如何使用python批量修改文本文件編碼格式

使用python批量修改文本文件編碼格式

把文本文件的編碼格式進行批量幻化,比如ascii, gb2312, utf8等,相互轉化,字符集的大小來看,utf8>gb2312>ascii,因此最好把gb2312轉為utf8,否則容易出現亂碼。

gb2312和utf-8的主要區別:

關於字庫規模: UTF-8 > gb2312(utf8字全而gb2312隻有漢字)

關於保存大小: UTF-8> gb2312 (utf8更臃腫、加載更慢,gb2312更小巧,加載更快)

關於適用范圍:gb2312主要在中國大陸地區使用,是一個本地化的字符集,UTF-8包含全世界所有國傢需要用到的字符,是國際編碼,通用性強。UTF-8編碼的文字可以在各國支持UTF8字符集的瀏覽器上顯示。

import sys
import chardet
import codecs
 
def get_encoding_type(fileName):
    '''print the encoding format of a txt file '''
    with open(fileName, 'rb') as f:
        data = f.read()
        encoding_type = chardet.detect(data)
        #print(encoding_type)
        return encoding_type
        # such as {'encoding': 'GB2312', 'confidence': 0.99, 'language': 'Chinese'}
 
def convert_encoding_type(filename_in, filename_out, encode_in="gb2312", encode_out="utf-8"):
    '''convert encoding format of txt file '''
    #filename_in = 'flash.c'
    #filename_out = 'flash_gb2312.c'
    #encode_in = 'utf-8'  # 輸入文件的編碼類型
    #encode_out = 'gb2312'# 輸出文件的編碼類型
    with codecs.open(filename=filename_in, mode='r', encoding=encode_in) as fi:
        data = fi.read()
        with open(filename_out, mode='w', encoding=encode_out) as fo:
            fo.write(data)
            fo.close()
        # with open(filename_out, 'rb') as f:
        #     data = f.read()
        #     print(chardet.detect(data))
 
if __name__=="__main__":
    # fileName = argv[1]
    # get_encoding_type(fileName)
    # convert_encoding_type(fileName, fileName)
    filename_of_files = sys.argv[1]   #the file contain full file path at each line
    with open(filename_of_files, 'rb') as f:
        lines = f.readlines()
        for line in lines:
            fileName = line[:-1]
            encoding_type = get_encoding_type(fileName)
            if encoding_type['encoding']=='GB2312':
                print(encoding_type)
                convert_encoding_type(fileName, fileName)
                print(fileName)

補充:python實現文件批量轉為utf-8格式

python實現文件批量轉為utf-8格式

xml_path = './'
with open(xml_path , 'rb+') as f:
    content = f.read()
    codeType = detect(content)['encoding']
    content = content.decode(codeType, "ignore").encode("utf8")
    fp.seek(0)
    fp.write(content)

到此這篇關於如何使用python批量修改文本文件編碼格式的文章就介紹到這瞭,更多相關python批量修改文本文件編碼格式內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: