python中的代碼編碼格式轉換問題

 剛來這個公司，熟悉了環境，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、這裡改個變量、那裡改個文件名······，都是些沒技術含量、很繁瑣的事情，不過通過遷移代碼順便熟悉下環境也好。扯了這麼多，說說今天的主題吧——代碼編碼格式改變，由於某些原因，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，但是歷史原因導致A機房的代碼全是utf8編碼的，B機房要求是GBK編碼，看看這個怎麼解決。

編碼問題

　　先說說為什麼會有編碼問題，就拿上面那個例子來說，B機房這邊數據庫全是GBK編碼的，因此從數據庫中取出來的數據都是GBK的，從數據庫中取出來的數據是GBK編碼的，要在展示的時候不亂碼，在不對數據庫取出的數據轉換的情況下，就需要發送header的時候設置編碼為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轉化為gbk，總的來說utf8還是更流行點，問題更少點

　　　　DB(GBK) => php等(utf8，並將從數據庫取出的數據轉化為utf8) => header(utf8) => html、tpl(utf8)

　　只要按照上面這兩種規范編碼格式，就不會出現亂碼情況，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，現在就來寫一個轉換文件編碼格式的小腳本：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 #!/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:"您要轉化的編碼不再范圍之內：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

 代碼如下:

./changeEncode.py target_dir fromEncode toEncode

 

　　這裡要注意下，幾種常見編碼的關系：

　　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，加了漢字之後，變為utf-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：

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。