Jak zjistit codepage u textových souborů?

Stručně řečeno, pokud má soubor kódování UTF-8 ,ale neobsahuje tzv. BOM neboli signaturu, aplikace jejich kódování dopředu nenačte a nezobrazí znaky (typicky ty české s háčky) správně, protože zkrátka neví jak. Kódování zobrazuje většina txt editorů ve stavovém řádku. Je možno signaturu doplnit uložením souboru jako "utf-8 with bom".Nebo hromadně pro všechny .txt soubory ve složce např. příkazem (unix):sed -i.bak '1s/^\(\xef\xbb\xbf\)\?/\xef\xbb\xbf/' *txt(zjistí zda soubor obsahuje bom > vytvoří zálohu > přidá bom)Pro win si jistě příkaz najdeš sám. A co se týče výpisu seznamu souborů a jejich kódování, nejjednodušší by to asi bylo přes PS1 skript.Kromě toho existují i jednoúčelové gui utilitky, např. CpConverter (win) a další.---------------------------------------Souborů s kódováním ANSI se tohle netýká, tam ale zase rozhoduje národní sada. Aby se cz. znaky zobrazovaly správně, je třeba aby… měl soubor cp1250😐 Ukázat celý příspěvek

ANSI soubory nemají žádný identifikátor, podle kterého bys to poznal. Tam můžeš postupovat podle výskytu typických znaků, případně určit váhu znaků, spočítat a pak nějaká kódová stránka vyhraje. Tohle jsem dělal v poslední verzi PSpadu (verze 5, ke stažení ve fóru) a docela úspěšně detekuju nejrůznější ANSI soubory, včetně čínštiny, arabštiny a dalších exotických jazyků. Je tam i hromadná změna kódové stránky.Unicode v sobě mají na začátku BOM - identifikátor. To )plně neplatí pro UTF-8, kde se používá jak s BOM tak i bez něj, ale UTF-8 se dá jednoduše detekovat - je to kódování, založené na matematických pravidlech.