处理从 GB2132 到 UTF-8 的转换

galeki post in

UTF-8 这种编码已经是大势所趋，但是还有不少中文的文档保留着老式的 GB2132 编码，而且只要你要和 Windows 打交道，就免不了要处理 GB2132 的问题，比如处理从 Windows 下拷过来的程序源代码、文本文件、字母文件之类。

编码转换的方法估计大多数同学都知道了，不过还是有必要再强调一下，我就是老忘……

Linux 下的 iconv 命令可以来处理字符编码的转换，基本命令格式如下：

iconv -f  原始编码  -t  目标编码   文件名  >  新文件名

-f 代表 from，-t 代表 to。

假设我要把 text.txt 从 GB2132 编码转换成 UTF-8，并且保存为 text-utf-8.txt 的话，那么命令如下：

iconv -f  gb2312  -t  utf-8  text.txt  >  text-utf-8.txt

不过有的时候，转换会报错，很可能的原因是原文件中有些字符超过了 GB2132 的范围，那么，这个时候，我们可以把 GB2312 改成它的超集 GB18030，一般就解决问题了：

iconv -f  gb18030  -t  utf-8  text.txt  >  text-utf-8.txt