如何在 Linux 中將文件編碼轉換為 UTF-8

你可能已經知道，計算機除了二進位數據，是不會理解和存儲字元、數字或者任何人類能夠理解的東西的。一個二進位位只有兩種可能的值，也就是 0 或 1，真或假，是或否。其它的任何事物，比如字元、數據和圖片，必須要以二進位的形式來表現，以供計算機處理。

簡單來說，字元編碼是一種可以指示電腦來將原始的 0 和 1 解釋成實際字元的方式，在這些字元編碼中，字元都以一串數字來表示。

字元編碼方案有很多種，比如 ASCII、ANCI、Unicode 等等。下面是 ASCII 編碼的一個例子。

字元            二進位
A               01000001
B               01000010

在 Linux 中，命令行工具 iconv 用來將使用一種編碼的文本轉化為另一種編碼。

你可以使用 file 命令，並添加 -i 或 --mime 參數來查看一個文件的字元編碼，這個參數可以讓程序像下面的例子一樣輸出字元串的 mime (Multipurpose Internet Mail Extensions) 數據：

$ file -i Car.java
$ file -i CarDriver.java

在 Linux 中查看文件的編碼

iconv 工具的使用方法如下：

$ iconv option
$ iconv options -f from-encoding -t to-encoding inputfile(s) -o outputfile 

在這裡，-f 或 --from-code 表明了輸入編碼，而 -t 或 --to-encoding 指定了輸出編碼。

為了列出所有已有編碼的字符集，你可以使用以下命令：

$ iconv -l 

列出所有已有編碼字符集

將文件從 ISO-8859-1 編碼轉換為 UTF-8 編碼

下面，我們將學習如何將一種編碼方案轉換為另一種編碼方案。下面的命令將會將 ISO-8859-1 編碼轉換為 UTF-8 編碼。

考慮如下文件 input.file，其中包含這幾個字元：

� � � �

我們從查看這個文件的編碼開始，然後來查看文件內容。最後，我們可以把所有字元轉換為 UTF-8 編碼。

在運行 iconv 命令之後，我們可以像下面這樣檢查輸出文件的內容，和它使用的字元編碼。

$ file -i input.file
$ cat input.file 
$ iconv -f ISO-8859-1 -t UTF-8//TRANSLIT input.file -o out.file
$ cat out.file 
$ file -i out.file 

在 Linux 中將 ISO-8859-1 轉化為 UTF-8

注意：如果輸出編碼後面添加了 //IGNORE 字元串，那些不能被轉換的字元將不會被轉換，並且在轉換後，程序會顯示一條錯誤信息。

好，如果字元串 //TRANSLIT 被添加到了上面例子中的輸出編碼之後 (UTF-8//TRANSLIT)，待轉換的字元會盡量採用形譯原則。也就是說，如果某個字元在輸出編碼方案中不能被表示的話，它將會被替換為一個形狀比較相似的字元。

而且，如果一個字元不在輸出編碼中，而且不能被形譯，它將會在輸出文件中被一個問號標記 ? 代替。

將多個文件轉換為 UTF-8 編碼

回到我們的主題。如果你想將多個文件甚至某目錄下所有文件轉化為 UTF-8 編碼，你可以像下面一樣，編寫一個簡單的 shell 腳本，並將其命名為 encoding.sh：

#!/bin/bash
### 將 values_here 替換為輸入編碼
FROM_ENCODING="value_here"
### 輸出編碼 (UTF-8)
TO_ENCODING="UTF-8"
### 轉換命令
CONVERT=" iconv  -f   $FROM_ENCODING  -t   $TO_ENCODING"
### 使用循環轉換多個文件
for  file  in  *.txt; do
$CONVERT   "$file"   -o  "${file%.txt}.utf8.converted"
done
exit 0

保存文件，然後為它添加可執行許可權。在待轉換文件 (*.txt) 所在的目錄中運行這個腳本。

$ chmod  +x  encoding.sh
$ ./encoding.sh

重要事項：你也可以使這個腳本變得更通用，比如轉換任意特定的字元編碼到另一種編碼。為了達到這個目的，你只需要改變 FROM_ENCODING 及 TO_ENCODING 變數的值。別忘了改一下輸出文件的文件名 "${file%.txt}.utf8.converted".

若要了解更多信息，可以查看 iconv 的 手冊頁 （ man page ） 。

$ man iconv

將這篇指南總結一下，理解字元編碼的概念、了解如何將一種編碼方案轉換為另一種，是一個電腦用戶處理文本時必須要掌握的知識，程序員更甚。

最後，你可以在下面的評論部分中與我們聯繫，提出問題或反饋。

via: http://www.tecmint.com/convert-files-to-utf-8-encoding-in-linux/

作者：Aaron Kili 譯者：StdioA 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive