Linux下,有时候我们需要将文件转换为另外一种编码格式,如UTF-8,这个时候我们可以使用iconv工具转换,但是如果遇到不确定的编码,在转换的时候就很麻烦,比如Non-ISO extended-ASCII。现有一个文件SogouQ.mini,查看其编码如下:
[hadoopUser@secondmgt data]$ file SogouQ.mini
SogouQ.mini: Non-ISO extended-ASCII English text, with very long lines
如果直接转换会报以下错误
[hadoopUser@secondmgt data]$ iconv -t UTF-8 SogouQ.mini >log.txt
iconv: illegal input sequence at position 48
这时候我们可以使用以下方式一个一个查找其源编码
$ iconv --list | sed 's/\/\/$//' | sort > encodings.list
$ for a in `cat encodings.list`; do
printf "$a "
iconv -f $a -t UTF-8 systeminfo.txt > /dev/null 2>&1 \
&& echo "ok: $a" || echo "fail: $a"
done | tee result.txt
遍历result.txt文件中,查找尝试那些没有fail的编码方式。最后-f CP850 -t UTF-8对我的文件正好。使用如下命令转换:
iconv -f CP850 -t UTF-8 SogouQ.mini >SogouQueryLog.txt
查看转换后的文件编码:
[hadoopUser@secondmgt data]$ file SogouQueryLog.txt
SogouQueryLog.txt: UTF-8 Unicode English text, with very long lines
由结果可知:转换成功!