Как я могу конвертировать файлы в каталоге для их кодирования (например, ANSI-> UTF-8) с помощью команды или инструмента?
Для отдельных файлов редактор помогает, но как сделать работу с массовыми файлами?
Как я могу конвертировать файлы в каталоге для их кодирования (например, ANSI-> UTF-8) с помощью команды или инструмента?
Для отдельных файлов редактор помогает, но как сделать работу с массовыми файлами?
Ответы:
Cygwin или GnuWin32 предоставляют инструменты Unix, такие как iconv
и dos2unix
(и unix2dos
). В Unix / Linux / Cygwin вы захотите использовать «windows-1252» в качестве кодировки вместо ANSI (см. Ниже). (Если вы не знаете, что ваша система использует кодовую страницу, отличную от 1252, в качестве кодовой страницы по умолчанию, в этом случае вам нужно указать iconv правильную кодовую страницу для перевода.)
Преобразовать из одного ( -f
) в другое ( -t
) с помощью:
$ iconv -f windows-1252 -t utf-8 infile > outfile
Или в форме «найди все и покори»:
## this will clobber the original files!
$ find . -name '*.txt' -exec iconv --verbose -f windows-1252 -t utf-8 {} \> {} \;
В качестве альтернативы:
## this will clobber the original files!
$ find . -name '*.txt' -exec iconv --verbose -f windows-1252 -t utf-8 -o {} {} \;
Этот вопрос задавался много раз на этом сайте, так что вот некоторая дополнительная информация о «ANSI». В ответе на связанный вопрос CesarB упоминает :
В Windows есть несколько кодировок, которые называются «ANSI». На самом деле, ANSI является неправильным . Iconv не может угадать, что вы хотите.
Кодировка ANSI - это кодировка, используемая функциями «A» в Windows API (функции «W» используют UTF-16). Какая кодировка соответствует, обычно зависит от языка вашей системы Windows. Наиболее распространенным является CP 1252 (также известный как Windows-1252). Итак, когда ваш редактор говорит ANSI, это означает «что бы функции API не использовали в качестве кодировки ANSI по умолчанию», которая является кодировкой не-Unicode по умолчанию, используемой в вашей системе (и, следовательно, обычно той, которая используется для текстовых файлов).
На странице, на которую он ссылается, приводится этот исторический фрагмент (цитируемый из Microsoft PDF ) о происхождении CP 1252 и ISO-8859-1, другой часто используемой кодировки:
[...] это происходит из-за того факта, что кодовая страница Windows 1252 изначально была основана на проекте ANSI, который стал стандартом ISO 8859-1. Однако при добавлении кодовых точек в диапазон, зарезервированный для управляющих кодов в стандарте ISO, кодовая страница Windows 1252 и последующие кодовые страницы Windows, первоначально основанные на серии ISO 8859-x, отличались от ISO. До сегодняшнего дня нередко сообщество разработчиков, как внутри, так и за пределами Microsoft, путает кодовую страницу 8859-1 с Windows 1252, а также видит «ANSI» или «A», используемые для обозначения поддержки кодовой страницы Windows. ,
iconv
кажется, обрезать файлы до 32 768 байт, если они превышают этот размер. Когда он пишет в файле, из которого он пытается прочитать, ему удается выполнить работу, если файл достаточно мал, иначе он обрезает файл без какого-либо предупреждения ...
с PowerShell вы можете сделать что-то вроде этого:
% get-content IN.txt | out-file -encoding ENC -filepath OUT.txt
в то время как ENC - это что-то вроде юникода, ascii, utf8, utf32. оформить заказ 'справка вне файла'.
чтобы преобразовать все файлы * .txt в каталоге в utf8, сделайте что-то вроде этого:
% foreach($i in ls -name DIR/*.txt) { \
get-content DIR/$i | \
out-file -encoding utf8 -filepath DIR2/$i \
}
который создает преобразованную версию каждого файла .txt в DIR2.
РЕДАКТИРОВАТЬ: Для замены файлов во всех подкаталогах используйте:
% foreach($i in ls -recurse -filter "*.java") {
$temp = get-content $i.fullname
out-file -filepath $i.fullname -inputobject $temp -encoding utf8 -force
}
На странице Википедии на новых строках есть раздел, посвященный конверсионным утилитам .
Похоже, это лучший выбор для конверсии, использующей только те инструменты, которые поставляются с Windows:
TYPE unix_file | FIND "" /V > dos_file
UTFCast - это конвертер Unicode для Windows, который поддерживает пакетный режим. Я пользуюсь платной версией и мне вполне комфортно с ней.
UTFCast - это конвертер Unicode, который позволяет вам конвертировать все текстовые файлы в кодировки UTF одним щелчком мыши. Вы можете использовать его для преобразования каталога, полного текстовых файлов, в кодировки UTF, включая UTF-8, UTF-16 и UTF-32, в выходной каталог, сохраняя при этом структуру каталогов исходных файлов. Даже не имеет значения, имеет ли ваш текстовый файл другое расширение, UTFCast может автоматически обнаруживать текстовые файлы и конвертировать их.
Кодировка символов всех соответствующих текстовых файлов определяется автоматически, и все соответствующие текстовые файлы преобразуются в utf-8
кодировку:
$ find . -type f -iname *.txt -exec sh -c 'iconv -f $(file -bi "$1" |sed -e "s/.*[ ]charset=//") -t utf-8 -o converted "$1" && mv converted "$1"' -- {} \;
Для выполнения этих шагов, к югу от оболочки sh
используются с -exec
, работает один вкладыш с -c
флагом, и передавая имя файла в качестве позиционного аргумента "$1"
с -- {}
. Между ними utf-8
выходной файл временно назван converted
.
Команда find
очень полезна для такой автоматизации управления файлами.
Нажмите здесь, чтобы узнать большеfind
.
Используйте этот скрипт Python: https://github.com/goerz/convert_encoding.py. Он работает на любой платформе. Требуется Python 2.7.
Есть dos2unix
на Unix.
Был еще один аналогичный инструмент для Windows ( еще один ссылка здесь ).
Как я могу конвертировать между текстовыми файлами Unix и Windows? есть еще несколько хитростей
dos2unix
полезно для преобразования разрывов строк , но OP ищет преобразование кодировок символов.
Вы можете использовать EncodingMaster . Он бесплатный, имеет версию для Windows, Linux и Mac OS X и работает действительно хорошо.
В моем сценарии использования мне требовалось автоматическое обнаружение кодировки ввода, и там было много файлов с Windows-1250
кодировкой, для которых команда file -bi <FILE>
возвращается charset=unknown-8bit
. Это недопустимый параметр для iconv
.
У меня были лучшие результаты с Enca .
Конвертировать все файлы с расширением TXT в UTF-8
find . -type f -iname *.txt -exec sh -c 'echo "$1" && enca "$1" -x utf-8' -- {} \;