Пакетное преобразование файлов latin-1 в utf-8 с помощью iconv

У меня есть этот один PHP-проект на моем OSX, который находится в latin1 -encoding. Теперь мне нужно преобразовать файлы в UTF8. Я не очень похож на кодер, и я попробовал что-то, что я нашел из Интернета:

mkdir new  
for a in `ls -R *`; do iconv -f iso-8859-1 -t utf-8 <"$a" >new/"$a" ; done

Но это не создает структуру каталогов, и это приносит мне огромную нагрузку на ошибки при запуске. Может ли кто-нибудь придумать опрятное решение?

Ответ 1

Нельзя использовать ls, и цикл for тоже не подходит. Кроме того, целевой каталог должен находиться за пределами исходного каталога.

mkdir /path/to/destination
find . -type f -exec iconv -f iso-8859-1 -t utf-8 "{}" -o /path/to/destination/"{}" \;

Нет необходимости в цикле. Параметр -type f включает файлы и исключает каталоги.

Edit:

Версия OS X iconv не имеет опции -o. Попробуйте следующее:

find . -type f -exec bash -c 'iconv -f iso-8859-1 -t utf-8 "{}" > /path/to/destination/"{}"' \;

Ответ 2

Некоторые хорошие ответы, но я нашел это намного проще в моем случае с вложенным каталогом сотен файлов для конвертирования:

ПРЕДУПРЕЖДЕНИЕ. Это приведет к записи файлов на место, поэтому сделайте резервную копию

$ vim $(find . -type f)

# in vim, go into command mode (:)
:set nomore
:bufdo set fileencoding=utf8 | w

Ответ 3

Чтобы преобразовать полное дерево каталогов рекурсивно из iso-8859-1 в utf-8, включая создание подкаталогов, ни одно из коротких решений выше не работало для меня, потому что структура каталогов не была создана в целевой. На основании ответа Денниса Уильямсона я придумал следующее решение:

find . -type f -exec bash -c 't="/tmp/dest"; mkdir -p "$t/`dirname {}`"; iconv -f iso-8859-1 -t utf-8 "{}" > "$t/{}"' \;

Он создаст клон текущего поддерева каталога в /tmp/dest (приспосабливается к вашим потребностям), включая все подкаталоги и все файлы iso-8859-1, преобразованные в utf-8. Протестировано на macosx.

Btw: проверьте кодировки файлов с помощью

file -I file.php

чтобы получить информацию о кодировании.

Надеюсь, что это поможет.

Ответ 4

Я создаю следующий script, который (i) создает резервные копии всех файлов tex в каталоге "преобразован", (ii) проверяет кодировку каждого tex файла и (iii) преобразует в UTF-8 только файлы tex в ISO-8859-1.

FILES=*.tex
for f in $FILES
do
  filename="${f%.*}"
  echo -n "$f"
#file -I $f
  if file -I $f | grep -wq "iso-8859-1"
  then
    mkdir -p converted
    cp $f ./converted
    iconv -f ISO-8859-1 -t UTF-8 $f > "${filename}_utf8.tex"
    mv "${filename}_utf8.tex" $f
    echo ": CONVERTED TO UTF-8."
  else
    echo ": UTF-8 ALREADY."
  fi
done

Ответ 5

Если все файлы, которые вы должны преобразовать, являются .php, вы можете использовать следующее, которое по умолчанию рекурсивно:

for a in $(find . -name "*.php"); do iconv -f iso-8859-1 -t utf-8 <"$a" >new/"$a" ; done

Я считаю, что ваши ошибки были связаны с тем, что ls -R также производит вывод, который не может быть распознан iconv как допустимое имя файла, что-то вроде ./my/dir/structure:

Ответ 6

Это преобразует все файлы с расширением имени файла .php - в текущий каталог и его подкаталоги - сохраняя структуру каталогов:

    find . -name "*.php" -exec sh -c "iconv -f ISO-8859-1 -t UTF-8 {} > {}.utf8"  \; -exec mv "{}".utf8 "{}" \;

Примечания:

Чтобы получить список файлов, которые будут нацелены заранее, просто запустите команду без флагов -exec (find . -name "*.php" для примера)

Использование sh, как это, позволяет использовать трубопровод и перенаправление с помощью -exec, что необходимо, потому что не все версии iconv поддерживают флаг -o.

Добавление .utf8 в имя файла вывода, а затем удаление его может показаться странным, но это необходимо. Использование одного и того же имени для выходных и входных файлов может вызвать проблемы:

  • Для больших файлов (около 30 Кбайт в моем опыте) он вызывает дамп ядра (или termination by signal 7)

  • Некоторые версии iconv, похоже, создают выходной файл перед чтением входного файла, а это означает, что если входные и выходные файлы имеют одинаковое имя, входной файл перезаписывается пустым файлом, прежде чем он будет читать.

Ответ 7

Используйте mkdir -p "${a%/*}"; до значка.

Обратите внимание, что вы используете потенциально опасную конструкцию for, когда в именах файлов есть пробелы, см. http://porkmail.org/era/unix/award.html.

Ответ 8

find . -iname "*.php" | xargs -I {} echo "iconv -f ISO-8859-1 -t UTF-8 \"{}\" > \"{}-utf8.php\""

Ответ 9

Используя ответы Денниса Уильямсона и Альберто Заккагни, я придумал следующий script, который преобразует все файлы указанного типа файла из всех подкаталогов. Затем вывод будет собран в одной папке, заданной /path/to/destination

mkdir /path/to/destination
for a in $(find . -name "*.php"); 
do 
        filename=$(basename $a);
        echo $filename
        iconv -f iso-8859-1 -t utf-8 <"$a" >"/path/to/destination/$filename"; 
done

Базисное имя функции возвращает имя файла без пути к файлу.

Альтернативный (интерактивный пользователь): Теперь я также создал пользовательский интерактивный script, который позволяет вам решить, хотите ли вы перезаписать старые файлы или просто переименовать их. Дополнительная благодарность за помощь

for a in $(find . -name "*.tex");
do
        iconv -f iso-8859-1 -t utf-8 <"$a" >"$a".utf8 ;
done
echo "Should the original files be replaced (Y/N)?"
read replace
if [ "$replace" == "Y" ]; then
    echo "Original files have been replaced."
    for a in $(find . -name "*.tex.utf8");
        do
            file_no_suffix=$(basename -s .tex.utf8 "$a");
            directory=$(dirname "$a");
            mv "$a" "$directory"/"$file_no_suffix".tex;
        done
else
        echo "Original files have been converted and converted files were saved with suffix '.utf8'"
fi

Получайте удовольствие от этого, и я был бы благодарен за любые комментарии, чтобы улучшить его, спасибо!

Ответ 10

Все в порядке с приведенными выше ответами, но если это "смешанный" проект, то есть уже есть файлы UTF8, тогда мы можем столкнуться с проблемами, поэтому здесь мое решение, я сначала проверяю кодировку файлов.

#!/bin/bash
# file name: to_utf8

# current encoding:
encoding=$(file -i "$1" | sed "s/.*charset=\(.*\)$/\1/")

if [  "${encoding}" = "iso-8859-1" ] || [ "${encoding}" = "iso-8859-2" ]; 
then
echo "recoding from ${encoding} to UTF-8 file : $1"
recode ISO-8859-2..UTF-8 "$1"
fi

#example:
#find . -name "*.php" -exec to_utf8 {} \;

Ответ 11

На unix.stackexchange.com был задан аналогичный вопрос, и пользовательский manatwork предложил перекодировать, который делает трюк очень красиво.

Я использовал его для преобразования ucs-2 в utf-8 на месте

recode ucs-2..utf-8 *.txt