[发明专利]一种文本文档乱码检测方法及系统

说明书

本发明涉及一种文本文档乱码检测方法及系统，在编码格式正确的情况下，通过建立包含被检测文本文档字符的编码格式下所有常规字符的编码范围的第一编码范围库以及从被检测文本文档选取M个字符所对应的编码，并将字符所对应的编码分别与第一编码范围库中的编码进行比对的方式，来判断字符是否真的为乱码，进而判断文本文档是否为乱码。相较于现有技术中，只是通过判断编码格式是否正确来判断字符是否为乱码，本发明提供了一种综合考虑多种原因判断字符是否真的为乱码的文本文档乱码检测方法，因而能够判定字符是否真的为乱码，进而根据乱码产生的真正原因对乱码进行处理，提升了用户体验。

技术领域

本发明涉及一种乱码检测方法及系统，具体是一种文本文档乱码检测方法及系统，属于文字处理相关领域。

背景技术

乱码指的是终端设备不能显示正确的字符，而显示其他无意义的字符或空白。在终端设备的图形用户交互界面，文字处理等领域，经常会出现文本文档乱码的现象，使得用户无法理解文本文档所描述的内容，从而限制了用户的下一步操作。因此，有必要对当前正在使用的文本文档的内容进行乱码检测，找出文本文档中存在的乱码并确定乱码产生的真正原因，根据乱码产生的真正原因对乱码进行有效的修正，使用户在使用文档时看到的是无乱码的文本。

针对一个文本文档来说，其中包含的每一个字符，都预先按照一定的格式进行编码处理。当用户使用该文本文档时，需要采用与编码对应的解码方式解码后才能显示出平常所看到的字符。

现有技术中，为了避免文本文档中出现的乱码，一般在显示文本文档的内容之前，终端设备会让用户选择以哪种编码格式显示文档，若用户选择的编码格式与文本文档的编码格式相匹配，则终端设备判定编码格式正确并显示相关文本文档；若用户选择的编码格式与文本文档的编码格式不匹配，则终端设备判定编码格式不正确，之后对编码格式进行调整，使其按照正确的编码格式显示。

但是，文本文档中产生乱码的原因并不只有编码格式不正确这一种情况，现有技术中只要判定字符的编码格式正确就对文本文档进行解码显示的方式依然有可能会出现显示乱码的情况，究其原因是因为未对乱码产生的原因进行深入研究，不清楚产生乱码的真正原因导致的。

发明内容

本发明所要解决的技术问题是现有技术中仅通过判断编码格式对乱码进行检测，但乱码产生的原因有多种，有时并不能确定导致乱码的真正原因，从而提供一种综合考虑乱码产生的多种原因的一种文本文档乱码检测方法及系统。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明所述文本文档乱码检测方法，包括如下步骤：

建立第一编码范围库的步骤，所述第一编码范围库包含被检测文本文档字符的编码格式下所有常规字符的编码范围；

采样步骤，从被检测文本文档中选取M个字符所对应的编码，其中M为大于或等于1的整数；

第一比对步骤，将所述采样步骤中选取的M个字符所对应的编码，分别与所述第一编码范围库中的编码进行比对，将在所述第一编码范围库内获得相同结果的编码所对应的字符判定为非乱码；将无法在所述第一编码范围库内获得相同结果的编码所对应的字符判定为乱码。

本发明所述的文本文档乱码检测方法，还包括如下步骤：

建立第二编码范围库的步骤，所述第二编码范围库中包含已有的所有编码格式下所有字符的编码范围；

第二比对步骤，将被所述第一比对步骤判定为乱码的字符所对应的编码，分别与所述第二编码范围库中的编码进行比对，若被所述第一比对步骤判定为乱码的字符所对应的编码在所述第二编码范围库内获得相同结果的编码，则恢复所述编码对应的字符为非乱码；若无法在所述第二编码范围库内获得相同结果的编码，则判定所述编码对应的字符为乱码。

本发明所述的文本文档乱码检测方法，还包括如下步骤：