linux - 查找文本文件的编码

Question

我有一堆不同编码的文本文件。但我想把所有的都转换成utf-8。由于大约有 1000 个文件，我无法手动完成。我知道 llinux 中有一些命令可以将文件的编码从一种编码更改为另一种编码。但我的问题是如何自动检测文件的当前编码？显然，我正在寻找一个命令(比如 FindEncoding($File) )来执行此操作:

foreach file
do
$encoding=FindEncoding($File);
uconv -f $encoding -t utf-8 $file;
done

Answer 1

我通常这样做:

for f in *.txt; do
    encoding=$(file -i "$f" | sed "s/.*charset=\(.*\)$/\1/")
    recode $encoding..utf-8 "$f"
done

请注意，重新编码会覆盖更改字符编码的文件。如果无法通过扩展名识别文本文件，可以使用 file -bi | 确定它们各自的 mime 类型。切-d';' -f 1.

通过首先检查 UFT-8 来避免不必要的重新编码可能也是一个好主意:

if [ ! "$encoding" = "utf-8" ]; then
    #encode

经过这种处理后，可能仍有一些文件使用 us-ascii 编码。这样做的原因是 ASCII 是 UTF-8 的一个子集，它一直在使用，除非引入了任何 ASCII 无法表达的字符。在这种情况下，编码将切换为 UTF-8。