Jak odczytać plik z kodowaniem ANSI zawierający znaki specjalne

Question

Piszę politykę TFS Checkin, która sprawdza, czy nasze pliki źródłowe zawierają nasz nagłówek pliku.

Mój problem polega na tym, że nasz nagłówek pliku zawiera specjalny znak "©" i niestety niektóre z naszych plików źródłowych są zakodowane w ANSI. Więc jeśli przeczytałem te pliki w polityce, ciąg znaków wygląda jak "Copyright 2009".

string content = File.ReadAllText(pendingChange.LocalItem); 

Zmęczony, aby zmienić kodowanie ciąg, ale to nie pomaga. Jak mogę odczytać te pliki, że otrzymałem poprawny ciąg "Copyright © 2009"?

Dzięki za pomoc!

Pozdrowienia Eny

Answer 1

Zastosowanie Encoding.Default:

string content = File.ReadAllText(pendingChange.LocalItem, Encoding.Default); 

Trzeba mieć jednak świadomość, że czyta go przy użyciu kodowania domyślnego systemu - które nie mogą być takie same, jak kodowanie pliku. Nie ma jednego kodowania o nazwie ANSI, ale zwykle, kiedy ludzie mówią o "kodowaniu ANSI" mają na myśli kod systemu Windows lub cokolwiek, z czego korzysta ich skrzynka.

Twój kod będzie bardziej niezawodny, jeśli uda Ci się znaleźć używane kodowanie dokładne.

Answer 2

Wydaje się rozsądne, jeśli będziesz mieć takie zasady, że chcesz, aby zespół uzgodnił standardowe kodowanie. Szczerze mówiąc, nie rozumiem, dlaczego jakikolwiek zespół użyłby kodowania innego niż "Unicode (UtF-8 z podpisem) - strona kodowa 65001" (z wyjątkiem może stron ASPX ze znaczącą statyczną zawartością niepochodzącą z Ameryki Łacińskiej, ale nawet wtedy mogę " t zobaczyć, jak używanie UTF-8 byłoby wielce trudne).

Zakładając, że nadal chcesz zezwalać na mieszane kodowania, musisz następnie ustalić, w którym kodowaniu zapisano plik, aby wiedzieć, które kodowanie przekazać do ReadAllText. Nie jest to łatwe do określenia z pliku, jednak użycie polecenia Encoding.Default może działać poprawnie. Ponieważ najprawdopodobniej masz tylko 2 kodowania, z którymi musisz sobie poradzić, VS (UTF-8 z podpisem) i wspólne kodowanie ANSI używane przez ciebie (prawdopodobnie Windows-1252).

Stąd stosując

string content = File.ReadAllText(pendingChange.LocalItem, Encoding.Default); 

zadziała. (Jak widzę Jon już opublikował). Dzieje się tak, ponieważ gdy BOM UTF-8 (co oznacza, że ​​VS oznacza termin "sygnatura") jest obecny na początku pliku, dostarczony parametr kodowania jest ignorowany, a mimo to jest używane UTF-8. W związku z tym, gdy plik jest zapisywany za pomocą UTF-8, otrzymujesz poprawne wyniki, a tam, gdzie używa się ANSI, najprawdopodobniej otrzymasz poprawne wyniki.

BTW jeśli przetwarzasz nagłówki plików, czy nie ułatwiłoby to ReadAllLines ?.