如何用Progress-4GL Openedeg确定未知文件代码页的最佳实践？

核心方法：使用内置DetectInputCodepage()函数 #

OpenEdge原生提供了DetectInputCodepage()函数，通过分析文件内容的字节特征自动匹配最可能的代码页，这是官方推荐的优先方案，无需依赖外部工具。

基础实现代码

DEFINE VARIABLE cTargetFile AS CHARACTER NO-UNDO.
DEFINE VARIABLE sDetectedCodepage AS CHARACTER NO-UNDO.

// 替换为你的目标文件路径
cTargetFile = "/path/to/unknown-encoding-file.txt".

// 调用检测函数：第二个参数为检测模式（0=宽松匹配，1=严格匹配）
sDetectedCodepage = DetectInputCodepage(cTargetFile, 0).

IF sDetectedCodepage <> ? THEN DO:
    DISPLAY "识别到的代码页: " sDetectedCodepage.
    // 用识别出的编码打开文件读取内容
    INPUT FROM VALUE(cTargetFile) ENCODING(sDetectedCodepage).
    // 此处添加读取文件内容的逻辑
    CLOSE INPUT.
END.
ELSE DO:
    DISPLAY "无法自动识别代码页，请尝试手动验证常见编码（如UTF-8、GBK、ISO-8859-1）".
END.

参数说明

• 第一个参数：目标文件的完整路径（支持绝对/相对路径）
• 第二个参数：检测模式
  • 0：宽松模式，返回最可能匹配的编码（即使置信度不高）
  • 1：严格模式，仅当能明确确定编码时返回结果，否则返回?

补充方案：手动检测编码（针对低版本或检测失败场景） #

如果使用的OpenEdge版本低于10.2B（该版本才引入DetectInputCodepage()），或者函数无法识别编码，可以通过以下方式手动判断：

1. 检查文件BOM（字节顺序标记）

常见编码的BOM特征：

• UTF-8：EF BB BF
• UTF-16LE：FF FE
• UTF-16BE：FE FF

实现代码：

DEFINE VARIABLE hFileHandle AS HANDLE NO-UNDO.
DEFINE VARIABLE cBOMBytes AS RAW NO-UNDO.
DEFINE VARIABLE sManualCP AS CHARACTER NO-UNDO.

CREATE FILE hFileHandle.
hFileHandle:FILE-NAME = cTargetFile.
hFileHandle:OPEN("READ", "RAW").
hFileHandle:READ(cBOMBytes, 3). // 读取文件前3字节

// 判断BOM类型
IF cBOMBytes = RAW(x"EFBBBF") THEN
    sManualCP = "UTF-8".
ELSE IF SUBSTRING(cBOMBytes, 1, 2) = RAW(x"FFFE") THEN
    sManualCP = "UTF-16LE".
ELSE IF SUBSTRING(cBOMBytes, 1, 2) = RAW(x"FEFF") THEN
    sManualCP = "UTF-16BE".
ELSE
    sManualCP = "未知（建议尝试UTF-8或系统默认编码）".

DISPLAY "手动检测结果: " sManualCP.

hFileHandle:CLOSE().
DELETE OBJECT hFileHandle.

2. 字节特征分析

对于无BOM的文件，可以通过统计字节范围判断：

• UTF-8：字节范围多为0x00-0x7F（ASCII）或0xC0-0xF4（多字节字符）
• GBK：包含0x81-0xFE开头的双字节字符
• ISO-8859-1：字节范围0x00-0xFF，无多字节特征

注意事项 #

• 短文件或纯ASCII内容可能被识别为系统默认编码，此时可优先尝试UTF-8验证
• 若检测结果不符合预期，可通过ENCODING参数切换编码重新读取文件，对比内容可读性
• DetectInputCodepage()仅支持本地文件，不支持网络流或内存文件

内容的提问来源于stack exchange，提问作者JulesVerne