用python合并N个不同字符集编码的sql文件的实践

背景：我有一项工作任务是将svn某目录日常更新的sql文件(归类到日期命名的文件夹中)拿到数据库中执行。

一开始，我是先把sql文件update下来，用notepad++打开，拷贝每一个文本的sql语句，放到plsql中执行。虽然现在只有几个，我手动执行没有问题，但是我想以后有一天sql文件有几十或者上百呢...

我办公用的电脑是win10，cmd下的我想到了用copy *.sql > all.sql，如此合并之后all.sql有中文乱码，后来问同事才知道那个SVN目录下是开发提交的sql脚本，有gbk、utf8、gb2312等各种格式，已无力吐槽（涉及到公司的内容，图就不贴了）。

然后我就上网各种查cmd下是否有字符集转换的命令，网友给我说了这个win_iconv，但是在linux下iconv也要知道原字符集才能转啊。

于是，我觉定要动手搞下python了，一边上网查一遍自己尝试，这是最终版本：

mergeSql.py

# -*- coding: gbk -*-
'''
说明：
    1、2015/10/28,这个版本已经能够成功使用，只能处理当前文件夹下的sql文件（子文件夹忽略）
'''
import os
import sys
import chardet


reload(sys)
sys.setdefaultencoding("gbk")
fType_input = sys.argv[1]
fileName_output = sys.argv[2]
path_input = sys.argv[3]


def mergeSql(fdir, fType, outfile):
    if os.path.exists(outfile):
        os.remove(outfile)
    file_to_write = file(outfile, 'w')
    file_list = os.listdir(fdir)
    for f in file_list:
        if str(f).split(".")[-1] == fType:
            if os.path.isfile(os.path.join(fdir, str(f).decode('gbk'))):
                file_to_read = file(os.path.join(fdir, str(f).decode('gbk')), 'r')
            file_to_write.write('\r\n/*----'+str(f).decode('gbk')+'----*/\r\n')
            print 'merge...'+str(f).decode('gbk')


            while 1:
                line = file_to_read.readline()
                encoding = chardet.detect(line)['encoding']
                if len(line) == 0:
                    break
                else:
                    if encoding in ['ISO-8859-2', 'windows-1252', 'GB2312']:
                        file_to_write.write(line.encode("gbk"))
                        continue
                    file_to_write.write(line.decode(encoding).encode("gbk"))
            file_to_read.close()
    file_to_write.write('\r\nexit;')
    file_to_write.close()


if __name__ == '__main__':
    mergeSql(path_input, fType_input, fileName_output)

 当然，还得先安装第三方模块，pip install chardet。

上一个版本还是蛮土的，长这样：

line = file_to_read.readline()
encoding = chardet.detect(line)['encoding']
if encoding == 'ascii':
    line = line.decode('ascii').encode('utf-8')
elif encoding == 'utf-8':
    pass
elif encoding == 'GB2312':
    line = line.decode('GB2312').encode('utf-8')

这样子不好，就只能处理三种字符集；不要问我为什么不直接转换为gbk，我也不知道为什么，直接转报错了，先统一转换为utf-8再转换为gbk是ok的！

最后，要结合sqlplus才能一键执行：

run.bat

set dateT=2015-10-27
python mergeSql.py sql %dateT%.sql %dateT%
sqlplus TEST/TEST@10-10-0-60-qgtgwsbs @%dateT%.sql > %dateT%.log
pause

mergeSql.py 要传两个参数，python mergeSql.py arg1 args2

arg1是处理的文件名后缀，arg2是合并生成的文件（脚本运行时，如果这个文件存在则删除）。

另：转为gbk是因为sqlplus和cmd的编码字符集都是gbk，如果是其他字符集则cmd窗口看到的是中文乱码。

现在这项工作就变成先update，之后双击下run.bat，最后看下执行日志log完事！