Python:将utf-8格式的文件转换成gbk格式的文件（一)

转自：http://www.weidianyuedu.com/

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：

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：

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。