如何在Linux中將文件編碼轉(zhuǎn)換為UTF-8
在這篇教程中，我們將解釋字符編碼的含義，然后給出一些使用命令行工具將使用某種字符編碼的文件轉(zhuǎn)化為另一種編碼的例子。***，我們將一起看一看如何在 Linux 下將使用各種字符編碼的文件轉(zhuǎn)化為 UTF-8 編碼。
你可能已經(jīng)知道，計算機除了二進制數(shù)據(jù)，是不會理解和存儲字符、數(shù)字或者任何人類能夠理解的東西的。一個二進制位只有兩種可能的值，也就是 0 或 1，真或假，是或否。其它的任何事物，比如字符、數(shù)據(jù)和圖片，必須要以二進制的形式來表現(xiàn)，以供計算機處理。
簡單來說，字符編碼是一種可以指示電腦來將原始的 0 和 1 解釋成實際字符的方式，在這些字符編碼中，字符都以一串數(shù)字來表示。
字符編碼方案有很多種，比如 ASCII、ANCI、Unicode 等等。下面是 ASCII 編碼的一個例子。
- 字符 二進制
- A 01000001
- B 01000010
在 Linux 中，命令行工具 iconv 用來將使用一種編碼的文本轉(zhuǎn)化為另一種編碼。
你可以使用 file 命令，并添加 -i 或 --mime 參數(shù)來查看一個文件的字符編碼，這個參數(shù)可以讓程序像下面的例子一樣輸出字符串的 mime (Multipurpose Internet Mail Extensions) 數(shù)據(jù)：
- $ file -i Car.java
- $ file -i CarDriver.java
在 Linux 中查看文件的編碼
iconv 工具的使用方法如下：
- $ iconv option
- $ iconv options -f from-encoding -t to-encoding inputfile(s) -o outputfile
在這里，-f 或 --from-code 表明了輸入編碼，而 -t 或 --to-encoding 指定了輸出編碼。
為了列出所有已有編碼的字符集，你可以使用以下命令：
- $ iconv -l
列出所有已有編碼字符集
將文件從 ISO-8859-1 編碼轉(zhuǎn)換為 UTF-8 編碼
下面，我們將學(xué)習如何將一種編碼方案轉(zhuǎn)換為另一種編碼方案。下面的命令將會將 ISO-8859-1 編碼轉(zhuǎn)換為 UTF-8 編碼。
考慮如下文件 input.file，其中包含這幾個字符：
- � � � �
我們從查看這個文件的編碼開始，然后來查看文件內(nèi)容。***，我們可以把所有字符轉(zhuǎn)換為 UTF-8 編碼。
在運行 iconv 命令之后，我們可以像下面這樣檢查輸出文件的內(nèi)容，和它使用的字符編碼。
- $ file -i input.file
- $ cat input.file
- $ iconv -f ISO-8859-1 -t UTF-8//TRANSLIT input.file -o out.file
- $ cat out.file
- $ file -i out.file
在 Linux 中將 ISO-8859-1 轉(zhuǎn)化為 UTF-8
注意：如果輸出編碼后面添加了 //IGNORE 字符串，那些不能被轉(zhuǎn)換的字符將不會被轉(zhuǎn)換，并且在轉(zhuǎn)換后，程序會顯示一條錯誤信息。
好，如果字符串 //TRANSLIT 被添加到了上面例子中的輸出編碼之后 (UTF-8//TRANSLIT)，待轉(zhuǎn)換的字符會盡量采用形譯原則。也就是說，如果某個字符在輸出編碼方案中不能被表示的話，它將會被替換為一個形狀比較相似的字符。
而且，如果一個字符不在輸出編碼中，而且不能被形譯，它將會在輸出文件中被一個問號標記 ? 代替。
將多個文件轉(zhuǎn)換為 UTF-8 編碼
回到我們的主題。如果你想將多個文件甚至某目錄下所有文件轉(zhuǎn)化為 UTF-8 編碼，你可以像下面一樣，編寫一個簡單的 shell 腳本，并將其命名為 encoding.sh：
- #!/bin/bash
- ### 將 values_here 替換為輸入編碼
- FROM_ENCODING="value_here"
- ### 輸出編碼 (UTF-8)
- TO_ENCODING="UTF-8"
- ### 轉(zhuǎn)換命令
- CONVERT=" iconv -f $FROM_ENCODING -t $TO_ENCODING"
- ### 使用循環(huán)轉(zhuǎn)換多個文件
- for file in *.txt; do
- $CONVERT "$file" -o "${file%.txt}.utf8.converted"
- done
- exit 0
保存文件，然后為它添加可執(zhí)行權(quán)限。在待轉(zhuǎn)換文件 (*.txt) 所在的目錄中運行這個腳本。
- $ chmod +x encoding.sh
- $ ./encoding.sh
重要事項：你也可以使這個腳本變得更通用，比如轉(zhuǎn)換任意特定的字符編碼到另一種編碼。為了達到這個目的，你只需要改變 FROM_ENCODING 及 TO_ENCODING 變量的值。別忘了改一下輸出文件的文件名 "${file%.txt}.utf8.converted".
若要了解更多信息，可以查看 iconv 的手冊頁 (man page)。
- $ man iconv
將這篇指南總結(jié)一下，理解字符編碼的概念、了解如何將一種編碼方案轉(zhuǎn)換為另一種，是一個電腦用戶處理文本時必須要掌握的知識，程序員更甚。
***，你可以在下面的評論部分中與我們聯(lián)系，提出問題或反饋。
