Дописываю текст в текстовой файл:


Если файла "filename.txt" изначально не было, то насколько я понимаю он по дефолту (без 3-го параметра в StreamWriter) пишется в UTF-8, что в принципе устраивает.

1. Действительно ли в UTF-8? Просто открываю в блокноте - если в файле есть хоть одно русское слово, то при нажатии на "Сохранить как" по дефолту предлагает "UTF-8", если ни одного русского слова - то по дефолту предлагает "ANSI". Но дозапись русского текста в этом случае не глючит.


Но предположим дозапись идет в уже существующий "filename.txt", который изначально записывался в ANSI из VB6 кодом вида:



2.В этом случае русский текст пишется иероглифами, формат файла при этом так понимаю остается ANSI.
Как сделать так, что если файл имеется и "старого образца", то новый код и продолжал писать его в ANSI?

М.б. конечно перебираю, но тем не менее.
У меня здесь определенные сложности как бы есть.
Ранее я строго использовал ANSI,
в .Net я насколько это возможно стараюсь контролировать чтоб "везде был Юникод".

buser1. А что написано в Remarks к этому конструктору?
StreamWriter Constructor (String, Boolean) ?
Написано:with UTF-8 encoding without a Byte-Order Mark (BOM) то бишь без маркера
Ладно, устраивает.

>да и что понимать под "ANSI" ? CP-1251,CP-1252 ?
любые мои старые коды предполагают дефолтную системную (язык системы для не-Юникод программ),
т.е. на русской очевидно 1251 по дефолту

>явно указать кодировку
только я не знаю "старый" или "новый" файл там лежит. Продолжать эксплуатировать дефолтный ANSI не есть гуд.

>эвристический анализ
Ну я понял что никак. Эвристический дурдом разводить не хочу и не буду.

Опасения связаны с возникновением ситуации, когда у юзера по каким-то любым причинам оказался некий "файл из старой версии" и новый код не сможет с ним нормально работать. Хорошо если логи, хуже если какие-нибудь данные.

Ладно, забью пока. Буду по ходу смотреть на частные случаи, типа во что они могут вылиться. Если файлы важные, то наверно конвертировать при апгрейде, если не важные - удалять. Только так наверно.

D129Дмитрий77,

То есть, (в свете вышесказанного) если уж вы дошли до какого-то файла - читайте его как есть, а пишите в UTF-8.

Нет смысла сохранять старый формат - прочитать его и так кто угодно прочитает.
:-)

Да я не против "пишите в UTF-8". Только при дозаписи в старый файл кодом из первого поста файл не начинает восприниматься как UTF-8 (при открытии в блокноте например).

Дмитрий77Только при дозаписи в старый файл кодом из первого поста файл не начинает восприниматься как UTF-8 (при открытии в блокноте например).
Не, не совсем так.
Если в "старом файле" присутствовал русский текст (НЕюникодный) - хоть одно слово в любом месте, то новозаписанный UTF-8 не читается.
А вот если в "старом файле" только English - то новозаписанный UTF-8 прекрасно читается.
Походу это блокнот "эвристический анализ" делает.
Забивать короче на это надо.

hVosttМожно проверять наличие BOM и добавлять его, перезаписывая файл.
Вот я пишу какой-нибудь лог, вызывая ф-цию из первого поста 10-ки раз.
Не кажется ли, что слишком большие издержки каждый раз проверять BOM из-за предположения, что вдруг там сидит "файл старого образца", вероятность чего крайне низка и этот BOM сработает лишь однажды (если этот файл там вообще был)?

Но у меня другой вопрос:
StreamWriter Constructor (String, Boolean)This constructor creates a StreamWriter with UTF-8 encoding without a Byte-Order Mark (BOM), so its GetPreamble method returns an empty byte array. The default UTF-8 encoding for this constructor throws an exception on invalid bytes. This behavior is different from the behavior provided by the encoding object in the Encoding.UTF8 property. To specify a BOM and determine whether an exception is thrown on invalid bytes, use a constructor that accepts an encoding object as a parameter, such as StreamWriter(String, Boolean, Encoding).

Не лучше ли сразу принять за правило (пока немного наваял) использовать:


Оно конечно BOM не запишет, если его там нет, но по крайней мере все новые файлы будут с этим BOM.
Есть смысл? Или забить?
Там про какие-то exception-ы сказано Так понимаю если BOM указан а в содержании вдруг ахинея несоответствующая этому BOM, то будут лететь ошибки, не могу сказать что я эти exception-ы сильно жду и буду им рад.

hVostt,

Ладно, понял. Hex-ом посмотрел. BOM это 3 байта. Для UTF8: EF-BB-BF (239-187-191)
OK.
System.Text.Encoding.UTF8 буду писать 3-м параметром, убедили.

От "издержек" пожалуй воздержусь пока.

Без BOM конечно ничего не скажешь про старый-новый. Тупой неопознанный набор байтов.

>Просто надо принять как факт, что UTF-8 это основная кодировка.
Да... Привык я все-таки к старому доброму ANSI. Открываю этот UTF-8 старым добрым Far-ом, а там х***я какая-то. И эти самые 3 байта в виде я==
Шутка.

Изопропил,

У меня Far наверно старый v.1.70
Нету там UTF-8.
Я когда систему менял, пытался "новый" 64-битный поставить, но там такая глюкотень, что обплевавшись поставил 32-битную проверенную версию от оригинального автора.

Да ладно, блокнота для просмотра достаточно. А байты смотреть/править я hiew.exe пользую (спасибо автору что хоть поддерживает).

Изопропил,

вспомнил в чем там глюкотень была.
У меня Far под Norton Commander подстроен.
Плюс какие-то свои фишки-менюшки.
И все это сохранено в reg-файле сто лет назад.
Т.е. помимо установки я щелкаю по этому reg-файлу.

И то ли в 64-битном ветка реестра не совпадает (sysWow64 и т.п.) то ли в новой версии настройки вообще по другому хранятся.
В настройки потыкался, тоже чего-то изменилось.

Плюс до кучи какие-то шрифты привычные приятные глазу не встали.

В общем плюнул и поставил к чему привык.
Чтоб по файлам и по FTP лазить мне старого достаточно.
А редактором я если и пользуюсь, то только для совсем старых DOS-текстов, да и не надо это уже последнее время.

авторыCopyright © 1996-2000 Eugene Roshal, Copyright © 2000-2014 Far Group
Да ни хрена он не Copyright.
Насколько я понял, касательно крайних версий, его вообще в OpenSource превратили, при этом напичкали кучу "As Is" все кому не лень, вот оно и стало "As Is".