Как получить кодировку из BASE64STRING

Question

Ниже приведен код с описанием моей проблемы:

1. Мне нужно найти кодировку этого файла, но не сейчас!

   string FilePath = @"C:\01 New.txt"; 
   System.IO.FileStream inFile = new System.IO.FileStream(FilePath, System.IO.FileMode.Open,System.IO.FileAccess.Read); 
   byte[] binaryData = new Byte[inFile.Length]; 
   long bytesRead = inFile.Read(binaryData, 0, (int)inFile.Length); 
   inFile.Close(); 
   string base64String = System.Convert.ToBase64String(binaryData, 0, binaryData.Length);// Converting ToBase64String 
   Console.WriteLine("base64String is " + base64String); 
   

   Предположим, что вышеуказанный процесс выполняется чем-то другим, и он возвращает только «base64String». Теперь мне нужно прочитать его правильно.

2. Для этого мне нужно "Encoding" в base64String:

   byte[] s = Convert.FromBase64String(base64String); 
   switch (GET_ENCODING(base64String)) 
   { 
       case "ASCII": 
       Console.WriteLine("ASCII text is " + Encoding.ASCII.GetString(s).Trim()); break; 
       case "Default": 
       Console.WriteLine("Default text is " + Encoding.Default.GetString(s).Trim()); break; 
       case "UTF7": 
       Console.WriteLine("UTF7 text is " + Encoding.UTF7.GetString(s).Trim()); break; 
       case "UTF8": 
       Console.WriteLine("UTF8 text is " + Encoding.UTF8.GetString(s).Trim()); break; 
       case "BigEndianUnicode": 
       Console.WriteLine("BigEndianUnicode " + Encoding.BigEndianUnicode.GetString(s).Trim()); break; 
       case "UTF32": 
       Console.WriteLine("UTF32 text is " + Encoding.UTF32.GetString(s).Trim()); break; 
       default: 
       break; 
       } 
   

Answer 1

Base64 кодирование не имеет отношения к этой проблеме, потому что вы знаете, что это кодирование источника. В принципе, у вас есть поток байтов для кодирования в виде текста, не зная целевой кодировки или набора символов. Это означает, что ваш текст действительно скомпрометирован; как @deceze прокомментировал лучшее, чтобы обеспечить кодировку always known/available.

Если текст XML, HTML или MIME, то вы можете сделать это в два прохода:

1. Encode как ASCII/UTF-8, а затем разобрать/поиск charset атрибута, значение которого любой из " UTF-8" , "ISO-8859-1" и т.д.
2. Encode к набору символов, определенных в пункте 1.

в противном случае вам нужен эвристический подход к обнаружить кодировку. Это не будет на 100% надежным. Смотрите ссылки ниже:

• How can I detect the encoding/codepage of a text file
• Charset detection

Edit: это возможно для XML/HTML, чтобы быть закодирован как нечто иное, чем ASCII/UTF-8; это может быть справедливо и для MIME. Это означает, что даже для этих типов файлов потребуется эвристический подход, если вы не знаете, что кодировка может быть только ASCII/UTF-8/ISO-8859-1, первые 128 символов которой совпадают.