linux系统下批量转换UTF8到GB2312并处理UTF8的BOM标记
linux系统下批量转换UTF8到GB2312并处理UTF8的BOM标记
发布时间:2016-12-27 来源:查字典编辑
摘要:背景本人在使用oracle的sqlplus批量导入UTF8编码的sql脚本时,由于不了解如何设置让sqlplus识别UTF8格式,导致出现乱...

背景

本人在使用oracle的sqlplus批量导入UTF8编码的sql脚本时,由于不了解如何设置让sqlplus识别UTF8格式,导致出现乱码、错行等错误,而使工作无法继续,在google无果的情况下只好想办法转换编码。

由于文件较多,手动转换太麻烦,于是想到用脚本批量转换,幸好网上相关脚本比较多,实现起来唯一的麻烦是UTF8的BOM标记。

内容:

#!/bin/bash

for loop in `find . -type f -name "*.sql" -print`do

echo $loop

mv -f $loop $loop.tmp

dos2unix $loop.tmp

file_check_utf8='file_check_utf8.log'

sed -n '1l' $loop.tmp >$file_check_utf810. if grep '^357273277' $file_check_utf8 >/dev/null 2>&111. then

echo 'UTF-8 BOM'

sed -n -e '1s/^...//' -e 'w intermediate.txt' $loop.tmp14. iconv -f UTF-8 -t GB2312 -o $loop intermediate.txt15. rm -rf intermediate.txt

rm -rf $loop.tmp

elif iconv -f UTF-8 -t GB2312 $loop.tmp >/dev/null 2>&118. then

echo 'UTF-8'

iconv -f UTF-8 -t GB2312 -o $loop $loop.tmp21. rm -rf $loop.tmp

else

echo 'ANSI'

mv -f $loop.tmp $loop

fi

rm -rf $file_check_utf8

#模拟unix2dos,要求文本文件最后一行必须有换行符28. sed -n -e 's/$/r/g' -e 'w '$loop.tmp $loop29. mv -f $loop.tmp $loop

done

#!/bin/bash

for loop in `find . -type f -name "*.sql" -print`do

echo $loop

mv -f $loop $loop.tmp

dos2unix $loop.tmp

file_check_utf8='file_check_utf8.log'

sed -n '1l' $loop.tmp >$file_check_utf810. if grep '^357273277' $file_check_utf8 >/dev/null 2>&111. then

echo 'UTF-8 BOM'

sed -n -e '1s/^...//' -e 'w intermediate.txt' $loop.tmp14. iconv -f UTF-8 -t GB2312 -o $loop intermediate.txt15. rm -rf intermediate.txt

rm -rf $loop.tmp

elif iconv -f UTF-8 -t GB2312 $loop.tmp >/dev/null 2>&118. then

echo 'UTF-8'

iconv -f UTF-8 -t GB2312 -o $loop $loop.tmp21. rm -rf $loop.tmp

else

echo 'ANSI'

mv -f $loop.tmp $loop

fi

rm -rf $file_check_utf8

#模拟unix2dos,要求文本文件最后一行必须有换行符28. sed -n -e 's/$/r/g' -e 'w '$loop.tmp $loop29. mv -f $loop.tmp $loop

done

解释

1.处理UTF8的BOM,本人没有找到好的办法,最后用sed+grep判断了一下,如果前三个字节是357273277,则文件必定是UTF8,用sed去掉这三个字节再转换

2.为了避免重复或者遗漏,脚本中用iconv对没有BOM的文件尝试转换了一把,转换成功说明文件是UTF8,否则说明是ANSI也就是GB2312

3.关于最后的sed命令,那是因为本人的系统上没有unix2dos命令,所以进行了模拟,目的是为了方便自己在windows下查看和编辑

以上就是linux 批量转换UTF8到GB2312并处理UTF8的BOM标记 的方法,谢谢阅读,希望能帮到大家,请继续关注查字典教程网,我们会努力分享更多优秀的文章。

推荐文章
猜你喜欢
附近的人在看
推荐阅读
拓展阅读
相关阅读
网友关注
最新unix linux学习
热门unix linux学习
操作系统子分类