文件分割乱码总结（大小文件、中文乱码）

　　用程序实现文件分割很容易出现乱码，尤其是中文，因为每个汉字由两个字节组成，分割时很容易把这两个字节分开。被分开的前一字节无法再组成汉字，后一字节与仅跟其后的汉字的前一字节组成一个汉字，如果组合正确形成一个正确的汉字，否则形成根本不存在的汉字，依次往后组合会形成一系列乱码。

　　分割小文件可以一次读取，直接在读取时加 GB2312 就可以防止出现中文乱码；分割大文件无法一次读取，需要分段读取，读取的通常是二进制编码，很容易把一个汉字的两个字节截断，从而导致乱码出现。对于后一种情况，如何避免出现中文乱码？这就需要每读取一段内容后判断是否把一个汉字的两个字节分开，判断方法在下文章介绍。

　　一、小文件分割避免出现中文乱码（C#为例）

　　对于可以一次读取的小文件，只要在读取时加 GB2312，就不会出现乱码，实现代码如下：

　　using System.IO;

　　/// <summary>
　　/// 小文件分割避免出现乱码
　　/// </summary>
　　/// <param name="filePath">文件绝对路径</param>
　　public void SplitFile(string filePath)
　　{
　　　　//读取时加 GB2312 防止中文乱码
　　　　StreamReader sr = new StreamReader(filePath, Encoding.GetEncoding("GB2312"));
　　　　string lines = sr.ReadToEnd();

　　　　string[] arr = lines.Split('\n');
　　　　for (int i = 0; i < arr.Length; i++)
　　　　　　Response.Write("<br />" + arr[i]);
　　　　sr.Close();
　　}

　　调用：SplitFile(@"G:\xq\test\books.txt");

　　二、大文件分割避免出现中文乱码

　　汉字每个字节的二进制编码最高位（第7位）都是 1，而其它字符最高位不是 1，可据此判断分段读取的内容是否把一个汉字的字节截断。判断方法如下：

　　用一个 for 循环从后面开始检查最高位是否为 1，定义一个变量 n，用于记录最高位连续为 1 的次数，当最高位不为 1 了，根据 n 是奇数还是偶数可以判断是否截断了最后一个汉字的字节。