Python:将utf-8格式的文件转换成gbk格式的文件

当前位置:

首页 > Python基础教程 >

Python:将utf-8格式的文件转换成gbk格式的文件

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：

1	`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：

1

2

3

						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

1

2

3

						def WriteFile(filePath,u,encoding="gbk"):

						    with codecs.open(filePath,"w") as f:

						        f.write(u.encode(encoding,errors="ignore"))

栏目列表