Пакетное преобразование файлов для кодирования
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?
15 ответов
Cygwin или GnuWin32 предоставляют такие инструменты Unix, как iconv
а также dos2unix
(а также 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.)
Конвертировать из одного ( -f
) к другому ( -t
) с:
$ 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. ,
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
}
Oneliner с использованием find, с автоматическим обнаружением
Кодировка символов всех соответствующих текстовых файлов определяется автоматически, а все соответствующие текстовые файлы преобразуются в utf-8
кодирование:
$ 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"' -- {} \;
Чтобы выполнить эти шаги, вложенная оболочка sh
используется с -exec
работает на одну строчку с -c
флаг и передача имени файла в качестве позиционного аргумента "$1"
с -- {}
, Между utf-8
выходной файл временно назван converted
,
find
Команда очень полезна для такой автоматизации управления файлами.
Нажмите здесь для более find
в изобилии.
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.
Существует бесплатный конвертер пакетного кодирования с открытым исходным кодом под названием CP Converter.
В моем случае мне понадобилось автоматическое обнаружение кодировки ввода, и там было много файлов с Windows-1250
кодировка, для которой 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 "$1" -x utf-8' -- {} \;
iconv -f original_charset -t utf-8 originalfile > newfile
выполните указанную выше команду в цикле for.
Наконец-то я сделал для этого инструмент: https://github.com/gonejack/transcode
Установить:
go get -u github.com/gonejack/transcode
Применение:
> transcode source.txt
> transcode -s gbk -t utf8 source.txt
Используйте этот скрипт Python: https://github.com/goerz/convert_encoding.py Он работает на любой платформе. Требуется Python 2.7.
---------------Решение 1 -----------------------------
Есть два недостатка. в ответе @akira.
- Ваш исходный файл будет обнулен, если произойдет какой-либо сбой.
- Если ваш путь содержит какой-либо символ, отличный от ASCII, будет выдана эта ошибка.
Set-Content : An object at the specified path ...txt does not exist, or has been filtered by the -Include or -Exclude parameter.
Это улучшенная версия, в которую добавлено-LiteralPath
иif($?)
foreach($i in ls -name *.txt) {
$relativePath = Resolve-Path -Relative -LiteralPath "$i"
$temp = Get-Content -LiteralPath "$relativePath"
if($?)
{
Out-File -LiteralPath "$i" -inputobject "$temp" -encoding utf8 -force
}
}
----------------Решение 2 (лучшее)----------------
PowerShell может скрывать очень ограниченные кодировки, такие как gb2312, Shift-JIS. не являются одними из них. В Notepad++ есть плагин Python, который работает лучше, чем PowerShell, и относительно безопаснее: вы можете просмотреть то, что собираетесь конвертировать.
- Используйте поиск файла, который вы хотите конвертировать. Ссылка для скачивания находится ниже
https://www.voidtools.com/. - Блокнот++
Menu -> Plugins -> Python Script -> New Scripts
- Скопируйте один из двух скриптов (см. ниже), измените его по своему усмотрению и сохраните в папке по умолчанию.
- Перетащите все файлы из
Everything
в блокнот++ - Запустите скрипт Python с плагином Python в блокноте ++ из
Menu -> Plugins -> Python Script -> Scripts
- Сделанный
Есть два скрипта, нижний может конвертировать и сохранять открытые вкладки в UTF-8.
Сценарий 1
https://gist.github.com/bjverde/88bbc418e79f016a57539c2d5043c445Скрипт 2
for filename, bufferID, index, view in notepad.getFiles():
console.write( filename + "\r\n")
notepad.activateIndex(view, index)
# UTF8 (without BOM)
notepad.menuCommand(MENUCOMMAND.FORMAT_CONV2_AS_UTF_8)
notepad.save()
notepad.reloadCurrentDocument()
ConvertZ — еще один инструмент Windows с графическим интерфейсом для пакетного преобразования.
- Конвертируйте содержимое файла (обычный текст) или буфера обмена в следующие кодировки: big5, gbk, hz,shift-jis, jis, euc-jp, юникод с прямым порядком байтов, юникод с прямым порядком байтов и utf-8.
- Пакетное преобразование файлов
- Предварительный просмотр содержимого файла и результата преобразования перед фактическим преобразованием.
- Автоматически обновить кодировку в
<Meta>
тег, если он указан в html-документах.- Автоматическое исправление неправильного сопоставления символов Big5/GBK после преобразования.
- Измените кодировку имени файла на big5, gbk,shift-jis и unicode.
- Конвертируйте ID3 или APE MP3 в кодировки big5, gbk,shift-jis, unicode и utf-8.
- Преобразование тега Ogg между традиционным и упрощенным китайским языком в utf-8.
Альтернативная ссылка для скачивания: https://www.softking.com.tw/download/1763/
Есть dos2unix
на Unix.
Был еще один аналогичный инструмент для Windows ( еще один ссылка здесь).
Как я могу конвертировать между Unix и Windows текстовыми файлами? есть еще несколько хитростей
Вы можете использовать EncodingMaster . Он бесплатный, имеет версию для Windows, Linux и Mac OS X и работает действительно хорошо.
Для этого я создал онлайн-инструмент:
https://encoding-converter.netlify.app
Вы можете загрузить сразу несколько файлов для конвертации. Используйте его в следующем порядке:
- введите кодировки
- выберите/перетащите файлы
Загрузка начнется автоматически.