.NET自动字符编码识别程序库 NChardet

什么是NChardet NChardet是mozilla自动字符编码识别程序库chardet的.NET实现，它移植自jchardet，chardet的java版实现，可实现对给定字符流的编码探测。 NChardet是如何工作的 NChardet通过逐个比较输入字符来猜测编码；由于是猜测，所以可能会有不能完全识别的情况；如果输入字符不能确定正确的编码，那么NChardet会给出一组可能的编码值。 如何使用NChardet 要使用NChardet来探测编码，需要进行如下步骤。 1、使用制定的语言线索来构造Detector类的实例对象。 2、用实现了ICharsetDetectionObserver接口的对象作为参数来调用Detector类的Init方法。 3、传入要探测的字符流进行编码探测。 4、调用Detector类的DataEnd方法。 5、得到结果或可能的结果集。 语言线索是一个整数，可用的语言线索有如下几个： 1. Japanese 2. Chinese 3. Simplified Chinese 4. Traditional Chinese 5. Korean 6. Dont know (默认) ICharsetDetectionObserver接口只有一个Notify方法，当NChardet引擎认为自己已经探测出正确的编码时，它就会调用这个Notify方法，用户程序可以从这个Nodify方法中得到通知（重写ICharsetDetectionObserver接口的Notify实现）。 代码实例： //实现ICharsetDetectionObserver接口 public class MyCharsetDetectionObserver : NChardet.ICharsetDetectionObserver { public string Charset = null; public void Notify(string charset) { Charset = charset; } } int lang = 2 ;// //用指定的语参数实例化Detector Detector det = new Detector(lang) ; //初始化 MyCharsetDetectionObserver cdo = new MyCharsetDetectionObserver(); det.Init(cdo); //输入字符流 Uri url = new Uri(“”); HttpWebRequest request = HttpWebRequest)WebRequest.Create(url); HttpWebResponse response = (HttpWebResponse)request.GetResponse(); Stream stream = response.GetResponseStream(); byte[] buf = new byte[1024] ; int len; bool done = false ; bool isAscii = true ; while( (len=stream.Read(buf,0,buf.Length)) != 0) { // 探测是否为Ascii编码 if (isAscii) isAscii = det.isAscii(buf,len); // 如果不是Ascii编码，并且编码未确定，则继续探测 if (!isAscii && !done) done = det.DoIt(buf,len, false); } stream.Close(); stream.Dispose(); //调用DatEnd方法， //如果引擎认为已经探测出了正确的编码， //则会在此时调用ICharsetDetectionObserver的Notify方法 det.DataEnd(); if (isAscii) { Console.WriteLine("CHARSET = ASCII"); found = true ; } else if (cdo.Charset != null) { Console.WriteLine("CHARSET = {0}",cdo.Charset); found = true; } if (!found) { string[] prob = det.getProbableCharsets() ; for(int i=0; i<prob.Length; i++) { Console.WriteLine("Probable Charset = " + prob[i]); } } Console.ReadLine();