Python:将utf-8格式的文件转换成gbk格式的文件

王朝学院·作者佚名  2016-08-27
窄屏简体版  字體: 小  |  中  |  大  |  超大  

需求:将utf-8格式的文件转换成gbk格式的文件

实现代码如下:

defReadFile(filePath,encoding="utf-8"):

with codecs.open(filePath,"r",encoding) as f:returnf.read()defWriteFile(filePath,u,encoding="gbk"):

with codecs.open(filePath,"w",encoding) as f:

f.write(u)defUTF8_2_GBK(src,dst):

content= ReadFile(src,encoding="utf-8")

WriteFile(dst,content,encoding="gbk")

代码讲解:

函数ReadFile的第二个参数指定以utf-8格式的编码方式读取文件,返回的结果content为Unicode

然后,在将Unicode以gbk格式写入文件中。

这样就能实现需求。

但是,如果要转换格式的文件中包含有一些字符并不包含在gbk字符集中的话,就会报错,类似如下:

UnicodeEncodeError: 'gbk' codec can't encode character u'\xa0' in position 4813: illegal multibyte sequence

以上的报错信息的意思是:在将Unicode编码成gbk的时候,不能将Unicode u'\xa0'编码成gbk。

这里,我们需要弄清楚gb2312、gbk和gb18030三者之间的关系

GB2312:6763个汉字

GBK:21003个汉字

GB18030-2000:27533个汉字

GB18030-2005:70244个汉字

所以,GBK是GB2312的超集,GB18030是GBK的超集。

理清了关系之后,我们进一步改进下代码:

defUTF8_2_GBK(src,dst):

content= ReadFile(src,encoding="utf-8")

WriteFile(dst,content,encoding="gb18030")

运行后,发现没有报错,可以正常运行。

因为,在GB18030字符集中,可以找到u'\xa0'对应的字符。

此外,还有另外一种实现方案:

需要修改下WriteFile方法

defWriteFile(filePath,u,encoding="gbk"):

with codecs.open(filePath,"w") as f:

f.write(u.encode(encoding,errors="ignore"))

这里,我们将Unicode编码(encode)成gbk格式,但是注意encode函数的第二个参数,我们赋值"ignore",表示在编码的时候,忽略掉那些无法编码的字符,

解码同理。

但是,当我们执行后,发现可以成功的将utf-8格式的文件修改成了ansi格式。但,另外发现生成的文件中,每个一行都有一行空行。

这里,可以指定以二进制流的形式写文件,修改后的代码如下:

defWriteFile(filePath,u,encoding="gbk"):

with codecs.open(filePath,"wb") as f:

f.write(u.encode(encoding,errors="ignore"))

相关文章:

http://www.crifan.com/python_csv_writer_writerow_redundant_new_line/

http://www.v2ex.com/t/40033

 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
© 2005- 王朝網路 版權所有 導航