在網(wǎng)上看了很多例子，也查了python API，發(fā)現(xiàn)都不完整，原因就在于都沒考慮到有BOM和無BOM兩種情況。也有說用codecs.EncodedFile(...)來做的，試了很多次，無論是有BOM還是無BOM，轉(zhuǎn)成GBK都失敗。

下面來看我的試驗(yàn)過程。

1.無BOM的UTF-8轉(zhuǎn)GBK

首先用ultraedit新建一個文本文件，并存為UTF-8 無BOM格式，我的叫“u8.txt”，內(nèi)容為“試 試 這 個”，帶回車換行，并且字符間加了空格，以便定位；

其次，寫代碼測試：

importcodecs

f =?open("u8.txt", "r");

data = f.read();

print repr(data)

print data.decode("utf-8").encode("gbk")

s = '/xe8/xbf/x99 /xe4/xb8/xaa';

print s.decode("utf-8").encode("gbk")

f.close();

運(yùn)行查看結(jié)果：

根據(jù)輸出可見，第一行是4個漢字字符的UTF-8編碼，每個字符占3個字節(jié)，最后跟著一個換行符；第二行是編碼為GBK后打印的結(jié)果，說明編碼轉(zhuǎn)換沒有問題；注意字符串s的內(nèi)容為我手工截取的最后兩個字符的字節(jié)編碼，即“這 個”，對s先解碼再編碼成GBK后，成功輸出。

由此可知，無BOM的UTF-8轉(zhuǎn)換成GBK是很容易的。

2.有BOM的UTF-8轉(zhuǎn)GBK

首先，仍然用ultraedit新建一個文本文件，但是需要保存為UTF-8，這就是有BOM的格式，我的是“char.txt”，內(nèi)容為“老 子 不 信 轉(zhuǎn) 不 過 來”，也是帶空格以便定位字符，仍然用上面的代碼運(yùn)行，結(jié)果為：

出現(xiàn)錯誤！提示說無法對0字節(jié)處采用GBK編碼，再看顯示出的編碼序列，發(fā)現(xiàn)最開頭那段6個字節(jié)連在一起，但是我們的字符串分明是按空格分開的！怎么回事？！通過查wikipedia發(fā)現(xiàn)：

原來最開始的“/xef/xbb/xbf”是UTF-8的BOM！那是不是因?yàn)檫@個BOM才造成編碼轉(zhuǎn)換失敗的呢？可以復(fù)制BOM后面的內(nèi)容作為字符串s的內(nèi)容，寫代碼測試，代碼如下：

s = '/xe8/x80/x81 /xe5/xad/x90 /xe4/xb8/x8d /xe4/xbf/xa1 /xe8/xbd/xac /xe4/xb8/x8d /xe8/xbf/x87 /xe6/x9d/xa5/n'

print s.decode("utf-8").encode("gbk")

運(yùn)行后發(fā)現(xiàn)，轉(zhuǎn)換成功進(jìn)行，這就是說，只要能在轉(zhuǎn)換前去掉BOM，那么就能轉(zhuǎn)換成功。

根據(jù)上面的心得，我寫了下面的代碼測試：

代碼說明：bom為讀取文件前3個字節(jié)的內(nèi)容，codecs.BOM_UTF8代表的就是utf8 BOM的字節(jié)編碼，前面已經(jīng)提到了。if語句判斷是否為UTF8 BOM格式，如果是，我們就從文件的第3個字節(jié)開始讀文件，以便避開BOM，然后就是轉(zhuǎn)換，最后成功輸出。

代碼中“注意”那行打印出字節(jié)編碼，可見，字符已被轉(zhuǎn)換成2 Bytes per character的GBK編碼格式。

結(jié)束語：這里只寫了UTF8格式的，UTF16的道理也一樣，只是UTF16的BOM只有兩個字節(jié)，具體可見上面的BOM表示的圖。總結(jié)起來說就是：UTF8轉(zhuǎn)GBK本來是很容易的，因?yàn)樽址紝?yīng)，只是因?yàn)橛辛薆OM，使問題變得麻煩些，不過弄懂了原理也不復(fù)雜

總結(jié)

以上是生活随笔為你收集整理的java转文件编码bom_编码转换：UTF-8 BOM to GBK的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。