文件头二个字节是什么意思啊？急！！

[xieaqiang]

看网上说， 判断文件的编码 取文件头二个字节判断就行了， 怎么取文件头二个字节？ 我用OPEN读入文件后，直接就显示内容了， 看不到字节啊， 怎么判读txt文件编码呢，是UTF8还是GBK， 求个例子，感谢。

[fa1188]

[Quote=引用 7 楼 sichuanpb 的回复:]
用UE等打开，然后用二进制方式查看，这个头是不可见字符.用来标识文件头
[/Quote]

用UE 打开了， 文件看不到有头信息啊， 其它文件都能看到。

[战在春秋]

应该以二进制方式打开文件。以下为示例代码：

#include <string>
#include <iostream> 
#include <fstream>
#include <windows.h>

using namespace std;

void main()
{
	string filename = "c:\\Default.asp";
	ifstream fin( filename.c_str(),ios::binary);

	if(!fin)
	{
		cout << "打开文件"<< filename << "出错" << endl;
		exit(-1);
	}
	else
	{
		byte bytes[3];
		fin.read((char *)&bytes,sizeof bytes);
		if(bytes[0] == 0xEF&& bytes[1] == 0xBB && bytes[2] == 0xBF)
		{
			cout <<"UTF8"<<endl;
		}else
		{
			cout <<"GB2312"<<endl;
		}
	}
	fin.close();
	
}

[战在春秋]

楼主可以把示例中的文件名改成自己的文件名。

[schlafenhamster]

用“记事本”打开一个.txt，按不同编码保存。
再用UE看看。

[用户 昵称]

2，3，4字节都有可能是bom头。

[用户 昵称]

[Quote=引用 3 楼 schlafenhamster 的回复:]
/*
EF BB BF　　　 UTF-8
FE FF　　　　　UTF-16/UCS-2, little endian
FF FE　　　　　UTF-16/UCS-2, big endian
FF FE 00 00　　UTF-32/UCS-4, little endian.
00 00 FE FF　　UTF-32/UCS-4, big-endian.
*/
[/Quote]
俺怎么脚着反了呢。

[schlafenhamster]

/*
EF BB BF　　　 UTF-8
FE FF　　　　　UTF-16/UCS-2, little endian
FF FE　　　　　UTF-16/UCS-2, big endian
FF FE 00 00　　UTF-32/UCS-4, little endian.
00 00 FE FF　　UTF-32/UCS-4, big-endian.
*/

[quwei197874]

十十[Quote=引用 3 楼 schlafenhamster 的回复:]

/*
EF BB BF　　　 UTF-8
FE FF　　　　　UTF-16/UCS-2, little endian
FF FE　　　　　UTF-16/UCS-2, big endian
FF FE 00 00　　UTF-32/UCS-4, little endian.
00 00 FE FF　　UTF-32/UCS-4, big-endian.
*/
[/Quote]

[schlafenhamster]

// CEditStringDoc serialization
void CEditStringDoc::Serialize(CArchive& ar)
{
	BOOL    FirstLine=TRUE;
	WCHAR   wBuf[2048];
	char    szBuf[2048];
	int     i=0;
	BOOL    LineEnd=FALSE;
	char    type[10];
	char    dummy[10];
	char    *pLine=0;
	char    UniHead[4]={(char)0xEF,(char)0xBB,(char)0xBF,(char)0};
	char    UtfHead[3]={(char)0xFF,(char)0xFE,(char)0};
/*
EF BB BF　　　 UTF-8  
FE FF　　　　　UTF-16/UCS-2, little endian  
FF FE　　　　　UTF-16/UCS-2, big endian  
FF FE 00 00　　UTF-32/UCS-4, little endian.  
00 00 FE FF　　UTF-32/UCS-4, big-endian.
*/
	CFile *pFile=ar.GetFile();
	CString name=pFile->GetFileTitle();//
	if((name.Find(".htm")==-1) && (name.Find(".txt")==-1))
	{	
		AfxMessageBox("Only suports *.htm or *.txt files!");
		return;
	}
//
	memset(type,0,10);
	memset(dummy,0,10);
//
	if (ar.IsStoring())
	{
		// TODO: add storing code here
		int all=m_TextArray.GetSize();
		for (int kk=0;kk<all;kk++)
		{
			strcpy(szBuf,m_TextArray[kk].GetBuffer(2048));
			strcat(szBuf,"\r\n");
			if(FirstLine)
			{
				if		(m_UTF8)	ar.Write(UniHead,3);
				else if (m_UNICODE)	ar.Write(UtfHead,2);
			}// end 1st line
			if(m_UTF8)
			{
				MultiByteToWideChar(CP_ACP,0,szBuf,-1,wBuf,2048);
				WideCharToMultiByte(CP_UTF8,0,wBuf,-1,szBuf,2048,0,0);
				ar.Write(szBuf,strlen(szBuf));			
			}
			if(m_UNICODE)
			{
				MultiByteToWideChar(CP_ACP,0,szBuf,-1,wBuf,2048);
				ar.Write(wBuf,2*wcslen(wBuf));			
			}
			else
			{
				ar.Write(szBuf,strlen(szBuf));			
			}
			FirstLine=FALSE;
		}// end for
	}// end save
	else
	{// if UTF8 file the 1st 3 chars are: EFh,BBh,BFh
	 // if UNICODE file the 1st 2 chars are :FFh,FEh
	 // TODO: add loading code here
		m_TextArray.RemoveAll();
		memset(szBuf,0,sizeof(szBuf));
		while(ar.Read(&szBuf[i],1))
		{//
			if(FirstLine)
			{
				if(	(szBuf[0]!=(char)0xEF) && 
					(szBuf[0]!=(char)0xBB) &&
					(szBuf[0]!=(char)0xBF) &&
					(szBuf[0]!=(char)0xFF) &&
					(szBuf[0]!=(char)0xFE) )
				{// normal file
					m_UTF8=FALSE;
					m_UNICODE=FALSE;
					FirstLine=FALSE;
					i++;
					continue;
				}
				if(	szBuf[0]==(char)0xEF)
				{
					type[0]=szBuf[0];
					continue;
				}
				if(	szBuf[0]==(char)0xBB)
				{
					type[1]=szBuf[0];	
					continue;
				}
				if(	szBuf[0]==(char)0xBF)
				{
					type[2]=szBuf[0];
				}
// Is UTF8 file ?
				if(	(type[0]==(char)0xEF) && 
					(type[1]==(char)0xBB) &&	
					(type[2]==(char)0xBF)  )
				{// UTF8 file
					m_UTF8=TRUE;
					m_UNICODE=FALSE;
					FirstLine=FALSE;
					continue;//i=0
				}
// Is UNICODE file ?
				if(	szBuf[0]==(char)0xFF)
				{
					type[0]=szBuf[0]; 
					continue;
				}
				if(	szBuf[0]==(char)0xFE)
				{
					type[1]=szBuf[0];	
				}
				if(	(type[0]==(char)0xFF) && 
					(type[1]==(char)0xFE) )	
				{
					m_UNICODE=TRUE;
					m_UTF8=FALSE;
					FirstLine=FALSE;
					continue;//i=0
				}
			}// end firstline
// check line end
			if(szBuf[i]==0x0D)
			{// 
				LineEnd=TRUE;
				szBuf[i]=0;
				ar.Read(dummy,1);//00 or 0a 
				if(m_UNICODE)
				{
					szBuf[i+1]=0;
					ar.Read(dummy,2);//0a 00
				}
			}
//
			if(LineEnd)
			{
				if(m_UTF8)
				{// utf8 file
					MultiByteToWideChar(CP_UTF8,0,szBuf,-1,wBuf,2048);
					WideCharToMultiByte(CP_ACP,0,wBuf,-1,szBuf,2048,0,0);
					pLine=szBuf;			
				}
				else if(m_UNICODE)
				{// Unicode file
					WideCharToMultiByte(CP_ACP,0,(WCHAR *)szBuf,-1,(char *)wBuf,2048,0,0);
					pLine=(char *)wBuf;			
				}
				else
				{// normal file
					pLine=szBuf;			
				}
				LineEnd=FALSE;// new line
				i=-1;// +1=0 szBuf[0]
//add 
				m_TextArray.Add(pLine);
				memset(szBuf,0,sizeof(szBuf));
			}// end LineEnd
			i++;//from 0
		}// end while
// if file end but no LF
		if(szBuf[0]!=0) m_TextArray.Add(szBuf);// last line  
		if(m_TextArray.GetSize()!=0)
		{
			UpdateAllViews(0);
		}
	}
}

[oyljerry]

用UE等打开，然后用二进制方式查看，这个头是不可见字符.用来标识文件头

[Eleven]

http://www.codeproject.com/KB/files/ANSI-UNICODE_conversion.aspx

[sichuanwww]

用UE等打开，然后用二进制方式查看，这个头是不可见字符.用来标识文件头

[「已注销」]

不同的文件，其文件头可能存在文件类型标识（不是绝对的），一般文件头打开以二进制方式打开：
1）使用CreateFile以二进制只读方式打开文件；大致形式如下：
HANDLE hFile = CreateFile(FileName, GENERIC_READ, FILE_SHARE_READ, NULL,OPEN_EXISTING, FILE_ATTRIBUTE_NORMAL, NULL);
if(hFile == INVALID_HANDLE_VALUE) return bReturnVal;
2）使用ReadFile读取文件头两个字节（最好多读几个字节），大致形式如下：
ReadFile(hFile, buffer, READBUF_SIZE, &ReadBytes, NULL)
3）使用CloseHandle关闭打开的文件
4）由buffer直接判断类型
我只会用Windows API，程序细节可以查手册

常见文件类型如下：
SWF文件：头3个字节为SWF或CWF
WAV文件：头4个字节为RIFF
... 所以不一定是2个字节，最好结合后缀一起判断