怎么使用python批量修改文本文件编码格式
今天小编给大家分享一下怎么使用python批量修改文本文件编码格式的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。
使用python批量修改文本文件编码格式
把文本文件的编码格式进行批量幻化,比如ascii, gb2312, utf8等,相互转化,字符集的大小来看,utf8>gb2312>ascii,因此最好把gb2312转为utf8,否则容易出现乱码。
gb2312和utf-8的主要区别:
关于字库规模: UTF-8 > gb2312(utf8字全而gb2312只有汉字)
关于保存大小: UTF-8> gb2312 (utf8更臃肿、加载更慢,gb2312更小巧,加载更快)
关于适用范围:gb2312主要在中国大陆地区使用,是一个本地化的字符集,UTF-8包含全世界所有国家需要用到的字符,是国际编码,通用性强。UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。
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' # 输入文件的编码类型
#encode_out = 'gb2312'# 输出文件的编码类型
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)
补充:python实现文件批量转为utf-8格式
python实现文件批量转为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)
相关内容
这些是最新的
热门排行
- THINKPHP5+GatewayWorker+Workerman 开发在线客服系统
- 在手机浏览器网页中点击链接跳转到微信界面的方法
- 尊云网站目录系统 ThinkPHP5网站分类目录程序 v2.2.221011
- CentOS 7安装shadowsock(一键安装脚本)
- AdminTemplate 基于LayUI 2.4.5实现的网站后台管理模板
- 用NW.js(node-webkit)开发多平台的桌面客户端
- PHP生成随机昵称/用户名
- THINKPHP5网站分类目录程序 尊云网站目录系统
- 织梦(DEDECMS)微信支付接口 微信插件
- 基于LayUI开发的 网站后台管理模板 BeginnerAdmin
- 响应式后台网站模板 - AMA.ADMIN
- layuiAdmin后台管理模板 Iframe版
- LayUI 1.0.9 升级 至 LayUI 2.1.4 方法
- 简洁清爽的会员中心模板
- jQuery幸运大转盘抽奖活动代码