c＃从字节数组中检测xml编码？
好吧，我有一个字节数组，我知道它在字节数组中的xml serized对象是否有任何方法可以从中获取编码？
我不打算去除它，但我将它保存在SQL服务器上的xml字段中…所以我需要将其转换为字符串？
你可以看看前40个字节的1个字节。 它们应该包含文档声明（假设它有一个文档声明），它应该包含编码， 或者你可以假设它是UTF-8或UTF-16，这应该从你对部分的理解中显而易见。 （只需检查两种模式。）
实际上，你是否期望除了UTF-8或UTF-16之外你还能获得任何其他东西？ 如果没有，您可以检查在这两个模式开始时获得的模式，如果不遵循任何模式，则抛出exception。 或者，如果您想再次尝试，可以尝试将文档解码为UTF-8，重新编码并查看是否返回相同的字节。 它并不理想，但它可能会起作用。
我确信有更严格的方法可以做到这一点，但它们可能很挑剔:)
1可能还不到这个。 我认为20个字符应该足够了，这是UTF-16中的40个字节。
类似于这个问题的解决方案可以通过在字节数组上使用Stream来解决这个问题 。 那么你就不必在字节级别进行操作。 像这样：
Encoding encoding; using (var stream = new MemoryStream(bytes)) { using (var xmlreader = new XmlTextReader(stream)) { xmlreader.MoveToContent(); encoding = xmlreader.Encoding; } }
前2或3个字节可以是字节顺序标记（BOM），它可以告诉您流是UTF-8，Unicode-LittleEndian还是Unicode-BigEndian。
UTF-8 BOM为0xEF 0xBB 0xBF Unicode-Bigendian为0xFE 0xFF Unicode-LittleEndiaon为0xFF 0xFE
如果这些都不存在，那么您可以使用ASCII来测试 （注意大多数现代XML生成都遵循标准，即xml声明之前没有空格）。
ASCII被用完直到?>所以你可以找到encoding =的存在并找到它的值。 如果编码不存在或声明不存在，那么您可以假设UTF-8。
W3C XML规范有一节介绍如何确定字节字符串的编码。
首先检查Unicode字节顺序标记
BOM只是另一个角色; 这是：
‘ZERO WIDTH NO-BREAK SPACE’（U + FEFF）
字符U + FEFF以及文件中的每个其他字符都使用适当的编码方案进行编码：
-
00 00 FE FF： UCS-4，大端机（1234订购） -
FF FE 00 00： UCS-4，小端机（4321订购） -
00 00 FF FE： UCS-4，不寻常的八位字节顺序（2143） -
FE FF 00 00： UCS-4，不寻常的八位字节顺序（3412） -
FE FF ## ##： UTF-16，big-endian -
FF FE ## ##： UTF-16，little-endian -
EF BB BF： UTF-8
其中## ##可以是任何东西 – 除了两者都是零
因此，首先检查任何这些签名的初始字节。 如果找到其中一个，则返回该代码页标识符
UInt32 GuessEncoding(byte[] XmlString) { if BytesEqual(XmlString, [00, 00, $fe, $ff]) return 12001; //"utf-32BE" - Unicode UTF-32, big endian byte order if BytesEqual(XmlString, [$ff, $fe, 00, 00]) return 1200; //"utf-32" - Unicode UTF-32, little endian byte order if BytesEqual(XmlString, [$fe, $ff, 00, 00]) throw new Exception("Nobody supports 2143 UCS-4"); if BytesEqual(XmlString, [$fe, $ff, 00, 00]) throw new Exception("Nobody supports 3412 UCS-4"); if BytesEqual(XmlString, [$fe, $ff]) { if (XmlString[2] <> 0) && (XmlString[3] <> 0) return 1201; //"unicodeFFFE" - Unicode UTF-16, big endian byte order } if BytesEqual(XmlString, [$ff, $fe]) { if (XmlString[2] <> 0) && (XmlString[3] <> 0) return 1200; //"utf-16" - Unicode UTF-16, little endian byte order } if BytesEqual(XmlString, [$ef, $bb, $bf]) return 65001; //"utf-8" - Unicode (UTF-8)
或者寻找<？xml
如果XML文档没有字节顺序标记字符，那么您将继续查找每个XML文档必须具有的前五个字符：
了解这一点很有帮助
-
<是＃x0000003C -
?是＃x0000003F
有了这个，我们就足以看到前四个字节了：
-
00 00 00 3C： UCS-4，大端机（1234订购） -
3C 00 00 00： UCS-4，小端机（4321订购） -
00 00 3C 00： UCS-4，不寻常的八位字节顺序（2143） -
00 3C 00 00： UCS-4，不寻常的八位字节顺序（3412） -
00 3C 00 3F： UTF-16，big-endian -
3C 00 3F 00： UTF-16，little-endian -
3C 3F 78 6D： UTF-8 -
4C 6F A7 94： 某些EBCDIC的味道
所以我们可以在代码中添加更多内容：
if BytesEqual(XmlString, [00, 00, 00, $3C]) return 12001; //"utf-32BE" - Unicode UTF-32, big endian byte order if BytesEqual(XmlString, [$3C, 00, 00, 00]) return 1200; //"utf-32" - Unicode UTF-32, little endian byte order if BytesEqual(XmlString, [00, 00, $3C, 00]) throw new Exception("Nobody supports 2143 UCS-4"); if BytesEqual(XmlString, [00, $3C, 00, 00]) throw new Exception("Nobody supports 3412 UCS-4"); if BytesEqual(XmlString, [00, $3C, 00, $3F]) return return 1201; //"unicodeFFFE" - Unicode UTF-16, big endian byte order if BytesEqual(XmlString, [$3C, 00, $3F, 00]) return 1200; //"utf-16" - Unicode UTF-16, little endian byte order if BytesEqual(XmlString, [$3C, $3F, $78, $6D]) return 65001; //"utf-8" - Unicode (UTF-8) if BytesEqual(XmlString, [$4C, $6F, $A7, $94]) { //Some variant of EBCDIC, eg: //20273 IBM273 IBM EBCDIC Germany //20277 IBM277 IBM EBCDIC Denmark-Norway //20278 IBM278 IBM EBCDIC Finland-Sweden //20280 IBM280 IBM EBCDIC Italy //20284 IBM284 IBM EBCDIC Latin America-Spain //20285 IBM285 IBM EBCDIC United Kingdom //20290 IBM290 IBM EBCDIC Japanese Katakana Extended //20297 IBM297 IBM EBCDIC France //20420 IBM420 IBM EBCDIC Arabic //20423 IBM423 IBM EBCDIC Greek //20424 IBM424 IBM EBCDIC Hebrew //20833 x-EBCDIC-KoreanExtended IBM EBCDIC Korean Extended //20838 IBM-Thai IBM EBCDIC Thai //20866 koi8-r Russian (KOI8-R); Cyrillic (KOI8-R) //20871 IBM871 IBM EBCDIC Icelandic //20880 IBM880 IBM EBCDIC Cyrillic Russian //20905 IBM905 IBM EBCDIC Turkish //20924 IBM00924 IBM EBCDIC Latin 1/Open System (1047 + Euro symbol) throw new Exception("We don't support EBCDIC. Sorry"); } //Otherwise assume UTF-8, and fail to decode it anyway return 65001; //"utf-8" - Unicode (UTF-8) //Any code is in the public domain. No attribution required. }