需求：将utf-8格式的文件转换成gbk格式的文件

实现代码如下：

def ReadFile(filePath,encoding="utf-8"):
    with codecs.open(filePath,"r",encoding) as f:
        return f.read()
 
def WriteFile(filePath,u,encoding="gbk"):
    with codecs.open(filePath,"w",encoding) as f:
        f.write(u)
 
def UTF8_2_GBK(src,dst):
    content = ReadFile(src,encoding="utf-8")
    WriteFile(dst,content,encoding="gbk")

代码讲解：

函数ReadFile的第二个参数指定以utf-8格式的编码方式读取文件，返回的结果content为Unicode

然后，在将Unicode以gbk格式写入文件中。

这样就能实现需求。

但是，如果要转换格式的文件中包含有一些字符并不包含在gbk字符集中的话，就会报错，类似如下：

UnicodeEncodeError: 'gbk' codec can't encode character u'\xa0' in position 4813: illegal multibyte sequence

以上的报错信息的意思是：在将Unicode编码成gbk的时候，不能将Unicode u'\xa0'编码成gbk。

这里，我们需要弄清楚gb2312、gbk和gb18030三者之间的关系

GB2312：6763个汉字

GBK：21003个汉字

GB18030-2000：27533个汉字

GB18030-2005：70244个汉字

所以，GBK是GB2312的超集，GB18030是GBK的超集。

理清了关系之后，我们进一步改进下代码：

def UTF8_2_GBK(src,dst):
    content = ReadFile(src,encoding="utf-8")
    WriteFile(dst,content,encoding="gb18030")

运行后，发现没有报错，可以正常运行。

因为，在GB18030字符集中，可以找到u'\xa0'对应的字符。

 此外，还有另外一种实现方案：

需要修改下WriteFile方法

def WriteFile(filePath,u,encoding="gbk"):
    with codecs.open(filePath,"w") as f:
        f.write(u.encode(encoding,errors="ignore"))

这里，我们将Unicode编码（encode）成gbk格式，但是注意encode函数的第二个参数，我们赋值"ignore"，表示在编码的时候，忽略掉那些无法编码的字符，

解码同理。

但是，当我们执行后，发现可以成功的将utf-8格式的文件修改成了ansi格式。但，另外发现生成的文件中，每个一行都有一行空行。

这里，可以指定以二进制流的形式写文件，修改后的代码如下：

def WriteFile(filePath,u,encoding="gbk"):
    with codecs.open(filePath,"wb") as f:
        f.write(u.encode(encoding,errors="ignore"))

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• pytorch半精度模型部署的具体方法是啥

  pytorch作为深度学习的计算框架正得到越来越多的应用.我们除了在模型训练阶段应用外，最近也把pytorch应用在了部署上.

• python和C/C++混合编程怎样做，步骤是什么

  这篇文章主要介绍了python 使用ctypes调用C/C++ dll详情，文章首先通过导入ctypes模块，加载C/C++ dll到python进程空间展开主题相关内容，需要的小伙伴可以参考一下

• python的print函数如何使用？一文带你搞懂

  这篇文章给大家分享的是有关python的print函数怎么用的内容。print函数是一个比较实用的函数，新手学习Python是需要掌握的，因此分享给大家做个参考，接下来一起跟随小编学习一下吧。

• python的enumerate函数用于什么，简单的示例是怎样

  enumerate函数用于遍历序列中的元素以及它们的下标：>>>fori,jinenumerate(('a','b','c')): printi,j 0a1b2c>>>fori,jinenumerate([1,2,3]): printi,j 011223>>>fori,jine

• 新手需要了解的Python常见报错有哪些呢？

  我们再使用python难免会出现各种各样的报错,下面这篇文章主要给大家介绍了关于Python常见报错解决方案的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下