Python 对目录中的文件进行批量转码（GBK>UTF8）

时间：2024-06-23 09:36:14

通过python实现对文件转码，其实处理很简单：

1.打开读取文件内容到一个字符串变量中，把gbk编码文件，对字符串进行decode转换成unicode

2.然后使用encode转换成utf-8格式。
3.最后把字符串重新写入到文件中即可。
在对文件进行转码之前，需要先对文件的编码格式进行校验，如果已经是utf-8格式的文件，不做decode转码处理，否则会报错。
因此这里使用chardet包进行返回文件的编码格式。
使用 pip install chardet 安装即可引入使用。
脚本如下：
convergbk2utf.py
# -*- coding:utf-8 -*-

__author__ = 'tsbc'

import os,sys

import chardet

def convert( filename, in_enc = "GBK", out_enc="UTF8" ):

    try:

        print "convert " + filename,

        content = open(filename).read()

        result = chardet.detect(content)#通过chardet.detect获取当前文件的编码格式串，返回类型为字典类型

        coding = result.get('encoding')#获取encoding的值[编码格式]

        if coding != 'utf-8':#文件格式如果不是utf-8的时候，才进行转码

            print coding + "to utf-8!",

            new_content = content.decode(in_enc).encode(out_enc)

            open(filename, 'w').write(new_content)

            print " done"

        else:

            print coding

    except IOError,e:

    # except:

        print " error"

def explore(dir):

    for root, dirs, files in os.walk(dir):

        for file in files:

            path = os.path.join(root, file)

            convert(path)

def main():

    for path in sys.argv[1:]:

        if os.path.isfile(path):

            convert(path)

        elif os.path.isdir(path):

            explore(path)

if __name__ == "__main__":

    main()

　　

执行
python convergbk2utf.py d:\test
可以讲d:\test目录中的所有文件，转码成utf8.
 
PS:想要做的容错性更高一下的话，可以对要转码的文件类型再加个判断进行过滤，对filename通过分析，只转换你想要转换的文件类型即可。

相关文章