什么是nchardet

     nchardet是mozilla自動(dòng)字符編碼識(shí)別程序庫(kù)chardet的.net實(shí)現(xiàn)，它移植自jchardet，chardet的java版實(shí)現(xiàn)，可實(shí)現(xiàn)對(duì)給定字符流的編碼探測(cè)。

 nchardet是如何工作的

     nchardet通過逐個(gè)比較輸入字符來猜測(cè)編碼；由于是猜測(cè)，所以可能會(huì)有不能完全識(shí)別的情況；如果輸入字符不能確定正確的編碼，那么nchardet會(huì)給出一組可能的編碼值。

 如何使用nchardet

    要使用nchardet來探測(cè)編碼，需要進(jìn)行如下步驟。

    1、使用制定的語(yǔ)言線索來構(gòu)造detector類的實(shí)例對(duì)象。
    2、用實(shí)現(xiàn)了icharsetdetectionobserver接口的對(duì)象作為參數(shù)來調(diào)用detector類的init方法。
    3、傳入要探測(cè)的字符流進(jìn)行編碼探測(cè)。
    4、調(diào)用detector類的dataend方法。
    5、得到結(jié)果或可能的結(jié)果集。

    語(yǔ)言線索是一個(gè)整數(shù)，可用的語(yǔ)言線索有如下幾個(gè)：

         1.    japanese
         2.    chinese
         3.    simplified chinese
         4.    traditional chinese
         5.    korean
         6.    dont know (默認(rèn))

    icharsetdetectionobserver接口只有一個(gè)notify方法，當(dāng)nchardet引擎認(rèn)為自己已經(jīng)探測(cè)出正確的編碼時(shí)，它就會(huì)調(diào)用這個(gè)notify方法，用戶程序可以從這個(gè)nodify方法中得到通知（重寫icharsetdetectionobserver接口的notify實(shí)現(xiàn)）。

代碼實(shí)例：

 //實(shí)現(xiàn)icharsetdetectionobserver接口
    public class mycharsetdetectionobserver :
        nchardet.icharsetdetectionobserver
    {
        public string charset = null;
       
        public void notify(string charset)
        {
            charset = charset;
        }
    }

        int lang = 2 ;//
    //用指定的語(yǔ)參數(shù)實(shí)例化detector
        detector det = new detector(lang) ;
    //初始化
        mycharsetdetectionobserver cdo = new mycharsetdetectionobserver();
        det.init(cdo);

    //輸入字符流
    uri url = new uri(“http://cn.yahoo.com”);
    httpwebrequest request =
        httpwebrequest)webrequest.create(url);
    httpwebresponse response =
        (httpwebresponse)request.getresponse();
    stream stream = response.getresponsestream();
   
    byte[] buf = new byte[1024] ;
    int len;
    bool done = false ;
    bool isascii = true ;

    while( (len=stream.read(buf,0,buf.length)) != 0) {
        // 探測(cè)是否為ascii編碼
        if (isascii)
            isascii = det.isascii(buf,len);

        // 如果不是ascii編碼，并且編碼未確定，則繼續(xù)探測(cè)
        if (!isascii && !done)
                done = det.doit(buf,len, false);

    }
    stream.close();
    stream.dispose();
    //調(diào)用datend方法，
    //如果引擎認(rèn)為已經(jīng)探測(cè)出了正確的編碼，
//則會(huì)在此時(shí)調(diào)用icharsetdetectionobserver的notify方法
    det.dataend();

    if (isascii) {
        console.writeline("charset = ascii");
          found = true ;
    }
    else if (cdo.charset != null)
    {
        console.writeline("charset = {0}",cdo.charset);
        found = true;
    }
   
    if (!found) {
        string[] prob = det.getprobablecharsets() ;
        for(int i=0; i<prob.length; i++) {
            console.writeline("probable charset = " + prob[i]);
        }
    }
    console.readline();