python——代码编码格式转换

　　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

 

　　./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：

 

file -i *

　　可以看到文件的编码格式。