Python:将utf-8名目标文件转换成gbk名目标文件

需求：将utf-8名目标文件转换成gbk名目标文件

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")

代码讲授：

函数ReadFile的第二个参数指定以utf-8名目标编码方法读取文件，返回的功效content为Unicode

然后，在将Unicode以gbk名目写入文件中。

这样就能实现需求。

可是，假如要转换名目标文件中包括有一些字符并不包括在gbk字符会合的话，就会报错，雷同如下：

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gb18030三者之间的干系

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。

理清了干系之后，我们进一步改造下代码：

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

运行后，发明没有报错，可以正常运行。

因为，在GB18030字符会合，可以找到u'\xa0'对应的字符。

 另外，尚有别的一种实现方案：

需要修改下WriteFile要领

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名目，可是留意encode函数的第二个参数，我们赋值"ignore"，暗示在编码的时候，忽略掉那些无法编码的字符，

解码同理。

可是，当我们执行后，发明可以乐成的将utf-8名目标文件修改成了ansi名目。但，别的发明生成的文件中，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"))