node 获取文件编码，批量转换文件编码

node 批量转换文件编码

解决方案

1. 使用 npm@jschardet 获取文件编码信息（并非 100%准确）
2. 通过 npm@iconv-lite 结合文件二进制流，重新识别文件内容

核心代码如下：

const fs = require('fs')
const path = require('path')
const jschardet = require('jschardet')
const iconv = require('iconv-lite')

function decode(file) {
  var buf = fs.readFileSync(file, { encoding: 'binary' })
  const result = jschardet.detect(buf)
  data = iconv.decode(buf, result.encoding) //使用iconv转成中文格式
  return data
}

node 获取文件编码格式

使用 npm@jschardet 这个库，可以获取文件编码信息（当然并非 100%准确）
支持范围在该库描述信息也有说

不过这个库只能识别个大概，并非 100%识别，下面会有一些演示

简单的搭建一个 node 运行环境，读取一下文件信息

$ npm init -y
$ npm i jschardet

2. 新建 files/test.txt，并写入一段中文

// index.js

const fs = require('fs')
const path = require('path')
const jschardet = require('jschardet')

// 在同级目录下有个 files 文件夹，里面存放呆会要测试的所有的类型文件
const filesPath = path.resolve(__dirname, './files/')

var txt = fs.readFileSync(path.join(filesPath, 'test.txt'), { encoding: 'binary' })
const result = jschardet.detect(txt)

console.log(result) // 输出： { encoding: 'UTF-8', confidence: 0.99 }

有几个细节：

1. readFileSync 用的是 sync 的，所以这个相当于是个同步方法
2. readFileSync 的第二个参数中的 encoding，支持传入以哪种方式读取文件信息，这里选中的是 binary,默认是 null fs.readFileSync 详细文档
3. 在输出部分，encoding 识别为 ‘UTF-8’,其中 confidence 高达 99%
4. txt 文件当前是确实是 utf-8 的类型

到这里是不是觉得已经 OK 了？
这时候改一下 files/test.txt ，改成全英文，不要留中文

神奇的一幕：result 输出为：ascii !!

{ "encoding": "ascii", "confidence": 1 }

这时候用电脑自带的记事本重新打开 files/test.txt，另存为 ANSI 格式，然后在用记事本输入中文字符

这时候用 vscode 打开该文件，中文部分已经乱码了:

my name is Jioho
�ҵ�������Jioho

jschardet 识别结果：

{ "encoding": "GB2312", "confidence": 0.99 }

根据编码信息读取文件

如果还是使用 fs.readFileSync 的话，根据提示能识别的编码如下（非官方文档说明，仅只是编辑器的智能提示~）：

接下来要用的一个库是 npm@iconv-lite

改造 index.js 如下

const fs = require('fs')
const path = require('path')
const jschardet = require('jschardet')
const iconv = require('iconv-lite')

const filesPath = path.resolve(__dirname, './files/')

var buf = fs.readFileSync(path.join(filesPath, 'test.txt'), { encoding: 'binary' })
var text = fs.readFileSync(path.join(filesPath, 'test.txt'), { encoding: 'utf-8' })
const result = jschardet.detect(buf)
data = iconv.decode(buf, result.encoding) //使用iconv转成中文格式
console.log('识别的编码：', result.encoding)
console.log('============')
console.log('原文:', text)
console.log('============')
console.log('转义后:', data)

输出结果：

识别的编码： GB2312
============
原文: my name is Jioho
�ҵ�������Jioho
============
转义后: my name is Jioho
我的名字是Jioho

虽然识别出来的编码 GB2312 可是文本还是正确被识别出来了

循环读取

最后扣一下题，把批量处理也实现一下~
其实也就是常见的递归，获取所有文件的方案

function each(filePath: string, fn: eachFn) {
  let files = fs.readdirSync(filePath)
  files.forEach(item => {
    let _fullPath = path.join(filePath, item)
    let stat = fs.statSync(_fullPath)

    if (stat.isFile() === true) {
      fn({ fullPath: _fullPath, current: item }, stat)
    }

    if (stat.isDirectory() === true) {
      each(_fullPath, fn)
    }
  })
}

// 调用
each('path', function ({ fullPath, current }, stat) {
  console.log(fullPath, current)
})