iOS文本文件的編碼檢測

windows上不少文本未必是用UTF8,因此在iOS上讀取的時候，如何獲得文件的編碼是個問題。網上有不少讀取中文的例子，可是那些不夠通用。好比說要讀取日文，韓文，阿拉伯文等等的時候，就不行了（雖然通常的app不必定會有這樣的需求）。

NSString本身帶一個函數：

+ (instancetype)stringWithContentsOfURL:(NSURL *)url usedEncoding:(NSStringEncoding *)enc error:(NSError **)error;

若是String建立成功，enc會返回使用的NSStringEncoding。可是這個方法對於NSStringEncoding之外的編碼都不必定能成功建立NSString，同時也不會返回error。
Apple 的官方文檔提供了讀取未知encoding數據的一些參考步驟：

簡單的總結，就是不停的用encoding去測試。這其中有個小技巧，根據程序面向的用戶，把用到的encoding按可能性排列下，這樣最有但願得到須要的結果。
雖然Apple的文檔給出了這樣的解決方案，可是發現不少閱讀App讀取各類編碼方式的文件，毫無壓力。所以，這裏必定有其餘方法。問了某道友，說chardet能夠，但是一搜，發現是python實現！雖然沒結果，不過我發現這是個很是廣泛的問題。因而，再次搜索查找，找到了BOM，找到了mozzilla charset detector，找到了uchardet。uchardet的源碼在github上。他的基本原理好像也是用編碼去檢測，誰先返回，就確認是哪一個編碼（這裏不肯定，未深究）。

項目是C/C++實現，直接添加進iOS工程，記得修改使用到的文件後綴爲mm，運行後測試，發現能很好的識別我遇到的幾種編碼文件。項目中有使用的例子，就不貼圖說明使用過程了。

須要說明的是，對於須要使用kCFStringEncodingGB_18030_2000來建立的中文文本，識別出來的竟然是IBM855。 google了下，也不知道IBM855是啥意思。爲了趕時間，暫時對須要的幾種編碼作了映射。

若是有哪位知道的，麻煩指點指點，這裏先謝過了。

 

本文已同步到： http://icocoa.tk/2013/11/16/ios文本文件的編碼檢測/，歡迎訪問