python轻松实现代码编码格式转换

发表于 5年以前 | 总阅读数：1247 次

　　最近刚换工作不久，没太多的时间去整理工作中的东西，大部分时间都在用来熟悉新公司的业务，熟悉他们的代码框架了，最主要的是还有很多新东西要学，我之前主要是做php后台开发的，来这边之后还要把我半路出家的前端学好、还要学习C++，哈哈，总之很充实了，每天下班回家都可以睡的很香（一句话总结，就是吃得香、睡的香~）。再说说换工作时候吧，今年年初正式毕业半年了，感觉自己技术增长很快，原公司里面程序员的地位还不如运营，所以想换个工作，面试了3家（2家大的、一家小的），都给offer了，当然从大公司里面挑了个各方面综合（工资、干什么、交通等等）还不错的，反正感觉就很顺利的进来了（比毕业的时候容易多了），哈哈，越努力、越幸运，越幸运、越努力！。从这周开始，继续整理博客，免得给自己造成懒得习惯。

　　刚来这个公司，熟悉了环境，老大就开始让我做一个迁移、修改代码的工作，我想说的是，这种工作真没劲~~，看别人的代码、改别人的代码、这里改个变量、那里改个文件名・・・・・・，都是些没技术含量、很繁琐的事情，不过通过迁移代码顺便熟悉下环境也好。扯了这么多，说说今天的主题吧――代码编码格式改变，由于某些原因，需要将代码从A机房迁移到B机房，这两个之间不能互相访问，但是历史原因导致A机房的代码全是utf8编码的，B机房要求是GBK编码，看看这个怎么解决。

编码问题
　　先说说为什么会有编码问题，就拿上面那个例子来说，B机房这边数据库全是GBK编码的，因此从数据库中取出来的数据都是GBK的，从数据库中取出来的数据是GBK编码的，要在展示的时候不乱码，在不对数据库取出的数据转换的情况下，就需要发送header的时候设置编码为GBK，输出的文件（html、tpl等）都必须是GBK的，看看下面这个图会更清楚点：

　　　　DB（GBK） => php等（编码格式不限但如果代码文件中有汉字，文件就要是gbk编码或者在汉字输出的时候转化为gbk） => header(GBK) => html、tpl（GBK）

　　或者还有一种方式只在出库的时候在代码中将utf8转化为gbk，总的来说utf8还是更流行点，问题更少点

　　　　DB(GBK) => php等(utf8，并将从数据库取出的数据转化为utf8) => header(utf8) => html、tpl(utf8)

　　只要按照上面这两种规范编码格式，就不会出现乱码情况，起码我测试的第一种方式是没问题的，所以我猜第二种也ok，好了，现在就来写一个转换文件编码格式的小脚本：


    #!/usr/bin/python
    # -*- coding: utf-8 -*-
    #Filename:changeEncode.py
    import os
    import sys

    def ChangeEncode(file,fromEncode,toEncode):
      try:
        f=open(file)
        s=f.read()
        f.close()
        u=s.decode(fromEncode)
        s=u.encode(toEncode)
        f=open(file,"w");
        f.write(s)
        return 0;
      except:
        return -1;

    def Do(dirname,fromEncode,toEncode):
      for root,dirs,files in os.walk(dirname):
        for _file in files:
          _file=os.path.join(root,_file)
          if(ChangeEncode(_file,fromEncode,toEncode)!=0):
            print "[转换失败:]"+_file
          else:
            print "[成功：]"+_file

    def CheckParam(dirname,fromEncode,toEncode):
      encode=["UTF-8","GBK","gbk","utf-8"]
      if(not fromEncode in encode or not toEncode in encode):
        return 2
      if(fromEncode==toEncode):
        return 3
      if(not os.path.isdir(dirname)):
        return 1
      return 0

    if __name__=="__main__":
      error={1:"第一个参数不是一个有效的文件夹",3:"源编码和目标编码相同",2:"您要转化的编码不再范围之内：UTF-8，GBK"}
      dirname=sys.argv[1]
      fromEncode=sys.argv[2]
      toEncode=sys.argv[3]
      ret=CheckParam(dirname,fromEncode,toEncode)
      if(ret!=0):
        print error[ret]
      else:
        Do(dirname,fromEncode,toEncode)

　　脚本很简单，使用也很简单

复制代码 代码如下:

　　./changeEncode.py target_dir fromEncode toEncode

这里要注意下，几种常见编码的关系：

　　us-ascii编码是utf-8编码的一个子集，这个是从stackoverflow上得到的，原文如下ASCII is a subset of UTF-8, so all ASCII files are already UTF-8 encoded，

我试了下确实是的，在不加汉字的时候显示编码为us-ascii，加了汉字之后，变为utf-8。

　　还有就是ASNI编码格式，这代表是本地编码格式，比如说在简体中文操作系统下，ASNI编码就代表GBK编码，这点还需要注意

　　还有一点就是一个在linux下查看文件编码格式的命令是：

复制代码 代码如下:

file -i *

　　可以看到文件的编码格式。

　　当然了，上面的可能有些文件中有特殊字符，处理的时候会失败，但一般程序文件是没有问题的。