linux下打开windows txt文件中文乱码问题

在Linux操作系统下，我们有时打开在windows下的txt文件，发现在windows下能正常显示的txt文件出现了中文乱码。

如果不想看后面的,可以直接这样输入

iconv  -c  -f gbk -t utf8 xjdx.txt > xjdx.txt.utf8

其中:xjdx.txt是从windows中传入过来的文件,里面的压缩格式有误

xjdx.txt.utf8是转换过后的文件,这只是一个文件的名称,跟后面的.utf8没有关系

出现这种情况的原因为两种操作系统的中文压缩方式不同，在windows环境中中文压缩一般为gbk，而在linux环境中为utf8，这就导致了在windows下能正常显示
txt文件在linux环境下打开呈现了乱码状态。

解决方法：在linux用iconv命令，如乱码文件名为shujujiegou.txt，那么在终端输入如下命令：

[plain] view plain copy

1. iconv -f gbk -t utf8 shujujiegou.txt > shujujiegou.txt.utf8  

用ls命令查看结果：

[plain] view plain copy

1. $ ls  
2. shujujiegou.txt  shujujiegou.txt.utf8  

发现重新生成了一个shujujiegou.txt.utf8文件，打开之后就能正常显示中文了。

今天在进行一个页面编码转换时，遇到了非法输入序列的错误。而查看转换后的输出，发现转换只进行了一半，未完全完成转换。

[root@gataway test]# iconv -f gb2312 -t utf-8 003.htm > 003.dd
iconv: 未知 5627 处的非法输入序列

原页面使用的是gbk2312的编码，因为查看原文的原代码时可以找到如下一行：

<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />

而网上给出的解决方法是使用-c参数，忽略错误。使用了-c参数后，再进行转换发现可以正常进行转换，而且可以转换完成，但转换的结果里出现了乱码。

[root@gataway test]# iconv -c -f gb2312 -t utf-8 003.htm > 003.dd

后来又看到，其还支持使用//IGNORE方式（类以于-c参数），具体用了三种输入方式，看中间细微的查别：

[root@gataway test]# iconv -f gb2312//IGNORE -t utf-8//IGNORE  003.htm > pp
iconv: 未知 8731 处的非法输入序列
[root@gataway test]# iconv -f gbk//IGNORE -t utf-8//IGNORE  003.htm > pp
[root@gataway test]# iconv -f gbk2312//IGNORE -t utf-8//IGNORE  003.htm > pp
iconv: 不支持以“gbk2312//IGNORE”为源头的转换
试用“iconv --help”或“iconv --usage”以获取更多信息。
[root@gataway test]# 

有没有看出不同，这里用的是gbk正常，最后测试结果也发现。第二种输入是正常转换和显示的，第一种和最原始不加-c一样，方法三不支持。最后使用gbk代替gbk2312在使用-c参数和不使用-c参数时都能正常进行转换。

[root@gataway test]# iconv -f gbk -t utf-8  003.htm > pp
[root@gataway test]# iconv -c -f gbk -t utf-8  003.htm > pp

总结：

1、在使用iconv转换时，只看原文件的源代码里的标记格式嵌套转换不一定是对的。具体情况还在看实际的转换结果而定。

2、从转换前后的大小来看，在汉字比较多的情况下，utf-8格式要比gbk2312点用的大小要大，但utf-8的国际通用性更好（这也从另一个侧面反映了为什么网易、新浪等站用的是gbk2312，凤凰网等用的utf-8）。（后面的是从网上查到的）但在英文字符较多的页面中，utf-8格式的页面比gbk2312点用的大小要小。