关于oracle：如何通过Unix将Utf8文件转换为CP1252

How to convert Utf8 file to CP1252 by Unix

我正在尝试将txt文件编码从UTF8转换为ANSI(cp1252)。

我需要这样做是因为该文件在固定位置的Oracle导入(外部表)中使用，该导入显然仅支持CP1252。如果导入UTF-8文件，则某些特殊字符会变成两个不正确的字符。

我在Unix机器上工作(我的操作系统是HP UX)。我一直在网上寻找答案，但找不到任何方法来进行这种转换。

例如，POSIX iconv命令没有此选择，实际上UTF8仅用作"至"编码(-t)，而从未用作"起始"编码(-f)。 iconv -l返回带有转换对的长列表，但UTF8始终仅在第二列中。

如何通过UNIX将文件转换为CP1252？

如果您的UTF-8文件仅包含也可以表示为CP1252的字符，则应该能够执行转换。

1	iconv -f utf-8 -t cp1252 <file.utf8 >file.txt

但是，如果UTF-8文本包含一些不能用CP1252表示的字符，则有两种选择：

仍然进行转换，并让转换器忽略有问题的字符
仍然进行转换，并让转换器替换有问题的字符

这应该是一个有意识的选择，因此，开箱即用iconv不允许您执行此操作；但是有启用此行为的选项。在第一个行为中查看-c选项，在第二个行为中查看--unicode-subst。

1
2
3
4
5
6
7
8
9

bash$ echo 'x≠y' | iconv -f utf-8 -t cp1252
x
iconv: (stdin):1:1: cannot convert

bash$ echo 'x≠y' | iconv -f utf-8 -t cp1252 -c
xy

bash$ echo 'x≠y' | iconv -f utf-8 -t cp1252 --unicode-subst='?'
x?y

这是在OS X上；显然，Linux iconv缺少其中一些选项。如果您在平台上的iconv中没有得到所需的行为，也许看一下recode和/或编写自己的简单转换工具。

1
2
3
4

#!/usr/bin/env python
import sys
for line in sys.stdin:
print(line.decode('utf-8').encode('cp1252', 'replace'))

将'ignore'代替'replace'，以放置无法表示的字符。像上面的iconv示例一样，默认替换字符为?。