首先，简单的情况：
ASCII码
如果您的数据不包含大于0x7F的字节，则为ASCII。（或者是7位ISO646编码，但是已经过时了。）
UTF-8
如果您的数据验证为UTF-8，则可以安全地假定它 为 UTF-8。由于UTF-8严格的验证规则，误报极为罕见。
ISO-8859-1与Windows-1252
这两种编码之间的唯一区别是ISO-8859-1具有C1控制字符，而Windows-1252具有可打印字符€，ƒ„…†‡ˆ‰Š‹ŒŽ“”•-〜™š›
œžŸ。我见过很多使用弯引号或破折号的文件，但是没有使用C1控制字符的文件。因此，甚至不必理会它们或ISO-8859-1，而只需检测Windows-1252。
现在只剩下一个问题了。
您如何区分MacRoman和cp1252？
这要复杂得多。
未定义的字符
Windows-1252中未使用字节0x81、0x8D，0x8F，0x90、0x9D。如果发生这种情况，则假定数据为MacRoman。
相同字符
两种编码中的字节0xA2（¢），0xA3（£），0xA9（©），0xB1（±），0xB5（µ）都相同。如果这些是唯一的非ASCII字节，那么选择MacRoman还是cp1252都没有关系。
统计方法
在您知道为UTF-8的数据中计数字符（不字节！）的频率。确定最频繁的字符。然后使用此数据确定cp1252或MacRoman字符是否更常见。
例如，在我仅对100条随机英语Wikipedia文章执行的搜索中，最常见的非ASCII字符为
·•–é°®’èö—。基于这个事实，
- 字节0x92、0x95、0x96、0x97、0xAE，0xB0、0xB7、0xE8、0xE9或0xF6建议使用Windows-1252。
- 字节0x8E，0x8F，0x9A，0xA1、0xA5、0xA8、0xD0、0xD1、0xD5或0xE1表示MacRoman。
计数cp1252建议字节和MacRoman建议字节，并选择最大的一个。
