http://hi.baidu.com/skyyjl/item/50a50dcd62d94edbee183baf
如果你需要在Linux中操作windows下的文件,那麼你可能會經常遇到文件編碼轉換的問題。Windows中默認的文件格式是GBK(gb2312),而Linux一般都是UTF-8。下面介紹一下,在Linux中如何查看文件的編碼及如何進行對文件進行編碼轉換。
查看文件編碼
在Linux中查看文件編碼可以通過以下幾種方式:
1.在Vim中可以直接查看文件編碼
:set fileencoding
即可顯示文件編碼格式。
如果你只是想查看其它編碼格式的文件或者想解決用Vim查看文件亂碼的問題,那麼你可以在
~/.vimrc 文件中添加以下內容:
set encoding=utf-8 fileencodings=ucs-bom,utf-8,cp936
這樣,就可以讓vim自動識別文件編碼(可以自動識別UTF-8或者GBK編碼的文件),其實就是依照fileencodings提供的編碼列表嘗試,如果沒有找到合適的編碼,就用latin-1(ASCII)編碼打開。
文件編碼轉換
1.在Vim中直接進行轉換文件編碼,比如將一個文件轉換成utf-8格式
:set fileencoding=utf-8
2. iconv 轉換,
iconv的命令格式如下:
iconv -f encoding -t encoding inputfile
比如將一個GBK編碼的文件轉換成UTF-8 編碼
iconv -f GBK -t UTF-8 file1
-o file2
Linux對一個3G的文本進行編碼轉換全過程
本過程中涉及到的Linux的命令有:split, iconv, cat問題:有一個3G的文本a.txt,編碼格式爲gbk,現在需要對其進行轉換成爲utf-8。難點:iconv的轉換是在內存中進行的,因此3G大小的文本,無法進行直接轉換。思路:先利用split進行文件切分,然後對每一個字文件進行ivonv轉換,最後進行cat合併。1) ll -h a.txt 查看文件的大小,2.9G2) wc -l a.txt 查看文件的行數,9千200萬行3) split -l 20000000 a.txt chunk 按照每個文件2千萬行進行切割,共分成5個文件4)
進行轉換
iconv -f gbk -t utf-8 chunka > chunka_utf8 -c
iconv -f gbk -t utf-8 chunkb > chunkb_utf8 -c
iconv -f gbk -t utf-8 chunkc > chunkc_utf8 -c
iconv -f gbk -t utf-8 chunkd > chunkd_utf8 -c
iconv -f gbk -t utf-8 chunke > chunke_utf8 -c5) rm chunka chunkb chunkc chunkd chunke 刪除原文件6) cat chunk* > a.txt_utf8 進行合併至此,工作完成
二、批量文件編碼轉換
本操作有風險,請注意操作前備份文件。1.將原來所有編碼爲gb2312的*.java文件轉換爲編碼爲utf-8的*.java.new文件for i in `find . -name "*.java"`; do iconv -f gb2312 -t utf-8 $i -o $i.new; done2.將*.java.new文件的.new擴展名去除find . -name "*.new" | sed 's/\(.*\).new$/mv "&" "\1"/' | sh
三、linux下有許多方便的小工具來轉換編碼,
文本內容轉換 iconv
文件名轉換 convmv
mp3標籤轉換 python-mutagen
四、用法:
iconv [選項...] [文件...]
轉換給定文件的編碼。
輸入/輸出格式規範:
-f, --from-code=名稱 原始文本編碼
-t, --to-code=名稱 輸出編碼
信息:
-l, --list 列舉所有已知的字符集
輸出控制:
-c 從輸出中忽略無效的字符
-o, --output=FILE 輸出文件
-s, --silent 關閉警告
--verbose 打印進度信息
-?, --help 給出該系統求助列表
--usage 給出簡要的用法信息
-V, --version 打印程序版本號五、
find default -type d -exec mkdir -p utf/{} \;
find default -type f -exec iconv -f GBK -t UTF-8 {} -o utf/{} \;
這兩行命令將default目錄下的文件由GBK編碼轉換爲UTF-8編碼,目錄結構不變,轉碼後的文件保存在utf/default目錄下。
六、Linux下文件名編碼批量轉換convmv
由於FC將字符編碼統一成了UTF8,原來在gb18030下建立的ext3分區中的文件和目錄,一掛載到FC上就顯示成亂碼。google遍整個互聯網,說對於目錄名和文件名,有一個叫convmv的軟件可以對其進行自動轉換。
今日下載了convmv,摸索了一套使用方法如下:
convmv -f code1 -t code2 -r
code1:分區原來使用的字符集編碼。支持gb2312、gbk、big5,不支持gb18030和big5-hkscs。
code2:預轉換到的字符集編碼。對於FC,這裏填寫utf8
-r 參數:轉換子目錄。
dir:要轉換的目錄,當前目錄用./表示。
回車執行,這個時候convmv會顯示執行的結果,但不會真正對文件進行修改。並提示使用--replace參數進行修改。
七、批量轉換文件的編碼
for i in `find ./ -name *.htm` ; do echo $i;iconv -f gb18030 -t utf8 $i -o /tmp/iconv.tmp;mv /tmp/iconv.tmp $i; done find -name “*.htm“ \
-exec iconv -f gb2312 -t utf8 ‘{}‘ -o /tmp/iconv.tmp \; \
-exec mv /tmp/iconv.tmp ‘{}‘ \;
http://www.2cto.com/os/201210/162788.html
利用vim進行文件編碼批量轉換