python中utf-8和gbk编码格式_Python:将utf-8格式的文件转换成gbk格式的文件|python3教程|python入门|python教程...

https://www.xin3721.com/eschool/python.html

需求：将utf-8格式的文件转换成gbk格式的文件

实现代码如下：

1

2

3

4

5

6

7

8

9

10

11

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")

代码讲解：

函数ReadFile的第二个参数指定以utf-8格式的编码方式读取文件，返回的结果content为Unicode

然后，在将Unicode以gbk格式写入文件中。

这样就能实现需求。

但是，如果要转换格式的文件中包含有一些字符并不包含在gbk字符集中的话，就会报错，类似如下：

1

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gb18030三者之间的关系

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。

理清了关系之后，我们进一步改进下代码：

1

2

3

def UTF8_2_GBK(src,dst):

content= ReadFile(src,encoding="utf-8")

WriteFile(dst,content,encoding="gb18030")

运行后，发现没有报错，可以正常运行。

因为，在GB18030字符集中，可以找到u'\xa0'对应的字符。

此外，还有另外一种实现方案：

需要修改下WriteFile方法

1

2

3

def WriteFile(filePath,u,encoding="gbk"):

with codecs.open(filePath,"w") as f:

f.write(u.encode(encoding,errors="ignore"))