如果你需要在Linux 中操作windows下的文件,那麼你可能會經常遇到文件編碼轉換的問題。Windows中默認的文件格式是GBK(gb2312),而Linux一般都是UTF-8。下面介紹一下,在Linux中如何查看文件的編碼及如何進行對文件進行編碼轉換。
查看文件編碼
在Linux中查看文件編碼可以通過以下幾種方式:
(1).在Vim 中可以直接查看文件編碼
復制代碼代碼如下::set fileencoding
即可顯示文件編碼格式。
如果你只是想查看其它編碼格式的文件或者想解決用Vim查看文件亂碼的問題,那麼你可以在
~/.vimrc 文件中添加以下內容:
復制代碼代碼如下:set encoding=utf-8 fileencodings=ucs-bom,utf-8,cp936
這樣,就可以讓vim自動識別文件編碼(可以自動識別UTF-8或者GBK編碼的文件),其實就是依照 fileencodings提供的編碼列表嘗試,如果沒有找到合適的編碼,就用latin-1(ASCII)編碼打開。
(2). enca (如果你的系統中沒有安裝這個命令,可以用sudo yum install -y enca 安裝 )查看文件編碼
復制代碼代碼如下:$ enca filename
filename: Universal transformation format 8 bits; UTF-8
CRLF line terminators
需要說明一點的是,enca對某些GBK編碼的文件識別的不是很好,識別時會出現:
Unrecognized encoding
文件編碼轉換
因為現在用linux,原來在windows裡的文件都是用GBK編碼的。所以copy到linux下是亂碼,文件內容可以用iconv來轉換可是好多中文的文件名還是亂碼,找到個可以轉換文件名編碼的命令,就是convmv。
convmv命令詳細參數 例如
復制代碼代碼如下:convmv -f GBK -t UTF-8 *.mp3
不過這個命令不會直正的轉換,你可以看到轉換前後的對比。如果要直正的轉換要加上參數 --notest
復制代碼代碼如下:convmv -f GBK -t UTF-8 --notest *.mp3
-f 參數是指出轉換前的編碼,-t 是轉換後的編碼。這個千萬不要弄錯了。不然可能還是亂碼哦。還有一個參數很有用。就是 -r 這個表示遞歸轉換當前目錄下的所有子目錄。
* 需要安裝 convmv-1.10-1.el5.noarch.rpm
更好的傻瓜型命令行工具enca,它不但能智能的識別文件的編碼,而且還支持成批轉換。
(1).安裝
復制代碼代碼如下:$sudo apt-get install enca
(2).查看當前文件編碼
復制代碼代碼如下:enca -L zh_CN ip.txt
Simplified Chinese National Standard; GB2312 Surrounded by/intermixed with non-text data
(3).轉換 命令格式如下
$enca -L 當前語言 -x 目標編碼 文件名
例如要把當前目錄下的所有文件都轉成utf-8
復制代碼代碼如下:enca -L zh_CN -x utf-8 *
檢查文件的編碼
復制代碼代碼如下:enca -L zh_CN file
將文件編碼轉換為"UTF-8"編碼
復制代碼代碼如下: enca -L zh_CN -x UTF-8 file
如果不想覆蓋原文件可以這樣
復制代碼代碼如下: enca -L zh_CN -x UTF-8 < file1 > file2