python輕松實現(xiàn)代碼編碼格式轉(zhuǎn)換

更新時間：2015年03月26日 08:50:35 投稿：hebedich

由于某些原因，需要將代碼從A機房遷移到B機房，這兩個之間不能互相訪問，但是歷史原因?qū)е翧機房的代碼全是utf8編碼的，B機房要求是GBK編碼，看看這個怎么解決。雖然很簡單，但是還是要推薦給大家，需要的小伙伴參考下吧。

　　最近剛換工作不久，沒太多的時間去整理工作中的東西，大部分時間都在用來熟悉新公司的業(yè)務，熟悉他們的代碼框架了，最主要的是還有很多新東西要學，我之前主要是做php后臺開發(fā)的，來這邊之后還要把我半路出家的前端學好、還要學習C++，哈哈，總之很充實了，每天下班回家都可以睡的很香（一句話總結(jié)，就是吃得香、睡的香~）。再說說換工作時候吧，今年年初正式畢業(yè)半年了，感覺自己技術(shù)增長很快，原公司里面程序員的地位還不如運營，所以想換個工作，面試了3家（2家大的、一家小的），都給offer了，當然從大公司里面挑了個各方面綜合（工資、干什么、交通等等）還不錯的，反正感覺就很順利的進來了（比畢業(yè)的時候容易多了），哈哈，越努力、越幸運，越幸運、越努力！。從這周開始，繼續(xù)整理博客，免得給自己造成懶得習慣。

　　剛來這個公司，熟悉了環(huán)境，老大就開始讓我做一個遷移、修改代碼的工作，我想說的是，這種工作真沒勁~~，看別人的代碼、改別人的代碼、這里改個變量、那里改個文件名······，都是些沒技術(shù)含量、很繁瑣的事情，不過通過遷移代碼順便熟悉下環(huán)境也好。扯了這么多，說說今天的主題吧——代碼編碼格式改變，由于某些原因，需要將代碼從A機房遷移到B機房，這兩個之間不能互相訪問，但是歷史原因?qū)е翧機房的代碼全是utf8編碼的，B機房要求是GBK編碼，看看這個怎么解決。

編碼問題
　　先說說為什么會有編碼問題，就拿上面那個例子來說，B機房這邊數(shù)據(jù)庫全是GBK編碼的，因此從數(shù)據(jù)庫中取出來的數(shù)據(jù)都是GBK的，從數(shù)據(jù)庫中取出來的數(shù)據(jù)是GBK編碼的，要在展示的時候不亂碼，在不對數(shù)據(jù)庫取出的數(shù)據(jù)轉(zhuǎn)換的情況下，就需要發(fā)送header的時候設(shè)置編碼為GBK，輸出的文件（html、tpl等）都必須是GBK的，看看下面這個圖會更清楚點：

　　　　DB（GBK） => php等（編碼格式不限但如果代碼文件中有漢字，文件就要是gbk編碼或者在漢字輸出的時候轉(zhuǎn)化為gbk） => header(GBK) => html、tpl（GBK）

　　或者還有一種方式只在出庫的時候在代碼中將utf8轉(zhuǎn)化為gbk，總的來說utf8還是更流行點，問題更少點

　　　　DB(GBK) => php等(utf8，并將從數(shù)據(jù)庫取出的數(shù)據(jù)轉(zhuǎn)化為utf8) => header(utf8) => html、tpl(utf8)

　　只要按照上面這兩種規(guī)范編碼格式，就不會出現(xiàn)亂碼情況，起碼我測試的第一種方式是沒問題的，所以我猜第二種也ok，好了，現(xiàn)在就來寫一個轉(zhuǎn)換文件編碼格式的小腳本：

#!/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 "[轉(zhuǎn)換失敗:]"+_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:"第一個參數(shù)不是一個有效的文件夾",3:"源編碼和目標編碼相同",2:"您要轉(zhuǎn)化的編碼不再范圍之內(nèi)：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)

　　腳本很簡單，使用也很簡單

復制代碼代碼如下:

　　./changeEncode.py target_dir fromEncode toEncode

這里要注意下，幾種常見編碼的關(guān)系：

　　us-ascii編碼是utf-8編碼的一個子集，這個是從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，

我試了下確實是的，在不加漢字的時候顯示編碼為us-ascii，加了漢字之后，變?yōu)閡tf-8。

　　還有就是ASNI編碼格式，這代表是本地編碼格式，比如說在簡體中文操作系統(tǒng)下，ASNI編碼就代表GBK編碼，這點還需要注意

　　還有一點就是一個在linux下查看文件編碼格式的命令是：

復制代碼代碼如下:

file -i *

　　可以看到文件的編碼格式。

　　當然了，上面的可能有些文件中有特殊字符，處理的時候會失敗，但一般程序文件是沒有問題的。