文本编码另存为 utf-8（字幕编码格式转换

date: 2022-12-07
lastmod: 2022-12-07

起因

下载的字幕压缩包是 gbk 编码，vlc 直接导入会显示乱码，转换为 utf-8 编码之后正常显示，因此需要将所有字幕都转换，一个个点开再另存为太繁琐了，考虑还是十多季的字幕，还是脚本好使

代码

"""
作用：将文件夹中的文本文件全都转化为 utf-8 编码，另存在新文件夹中使用方法:
首先修改代码中 52 行的 dirPath，改成字幕文件夹路径即可
pip install chardet
python main.py发现非 utf-8 编码文件“CSI.S03E23.Inside.the.Box.720p.WEB-DL.DD5.1.H.264-DNR.srt”，其编码为 GB2312
....
发现非 utf-8 编码文件“CSI.S03E02.The.Accused.Is.Entitled.720p.WEB-DL.DD5.1.H.264-DNR.srt”，其编码为 GB2312
发现非 utf-8 编码文件“CSI.S03E01.Revenge.Is.Best.Served.Cold.720p.WEB-DL.DD5.1.H.264-DNR.srt”，其编码为 GB2312
总计23个文件，其中23个非 utf-8 编码，转换后的保持路径为 /tmp/CSI.S03.720p.WEB-DL.DD5.1.H.264-DNR-utf参考: https://blog.csdn.net/qq_42992919/article/details/100100371
"""from chardet.universaldetector import UniversalDetector
import osdef get_encode_info(file):with open(file, "rb") as f:detector = UniversalDetector()for line in f.readlines():detector.feed(line)if detector.done:breakdetector.close()return detector.result["encoding"]def read_file(file):with open(file, "rb") as f:return f.read()def write_file(content, file, path):with open(os.path.join(path, file), "wb") as f:f.write(content)def convert_encode2utf8(dirPath, file, original_encode, des_encode, path):fullPath = os.path.join(dirPath, f)file_content = read_file(fullPath)file_decode = file_content.decode(original_encode, "ignore")file_encode = file_decode.encode(des_encode)write_file(file_encode, file, path)if __name__ == "__main__":dirPath = "/tmp/CSI.S03.720p.WEB-DL.DD5.1.H.264-DNR"    # 字幕文本文件的文件夹路径targetPath = dirPath + "-utf"os.mkdir(targetPath)count = 0for f in os.listdir(dirPath):fullPath = os.path.join(dirPath, f)encode_info = get_encode_info(fullPath)if encode_info != "utf-8":print("发现非 utf-8 编码文件“%s”，其编码为 %s" % (f, encode_info))count = count + 1convert_encode2utf8(dirPath, f, encode_info, "utf-8", targetPath)print("总计%d个文件，其中%d个非 utf-8 编码，转换后的保持路径为 %s"% (len(os.listdir(dirPath)), count, targetPath))

文本编码另存为 utf-8（字幕编码格式转换相关推荐

linux检测文件名编码,Linux下查看文件编码，文件或文件名编码格式转换 | 缥缈的云...
如果你需要在Linux中操作windows下的文件,那么你可能会经常遇到文件编码转换的问题.Windows中默认的文件格式是GBK(gb2312),而Linux一般都是UTF-8.下面介绍一下,在Li ...
html转换编码格式,html编码转换 html编码设置utf gbk编码转换图文教程
html编码转换 html编码设置utf gbk编码转换图文教程篇常用HTML编码之urf-8编码转换为gb2312编码或者gb2312转换为utf-8编码快速转换设置,这里DIVCSS5介绍使用D ...
文本编码格式转换及文本内容类型的介绍
文本文件的编码方式及内容类型是应用层测试中文本测试关注的重点,常见的文本编码方式为UTF -8.GBK2312.GBK.BIG5.GB18030等等,常见的文本内容类型为TXT.HTML.XML.To ...
python文本编码转换_Python: 转换文本编码
最近在做周报的时候,需要把csv文本中的数据提取出来制作表格后生产图表. 在获取csv文本内容的时候,基本上都是用with open(filename, encoding ='UTF-8') as f ...
android mp3 lrc歌词文件utf-8歌词显示为乱码,百度歌词显示乱码 LRC歌词批量转换 UTF-8编码批量转换为GB或ANSI 文本编码批量转换...
百度歌词显示乱码LRC歌词批量转换UTF-8编码批量转换为GB或ANSI 文本编码批量转换当从百度下载很多歌词的时候,发现在一些MP3上播放总是显示乱码,这时以为是MP3的问题或者是百度歌词的问题, ...
linux 文件格式latin1,Linux下查看文件编码,文件编码格式转换和文件名编码
如果你需要在中操作windows下的文件,那么你可能会经常遇到文件编码转换的问题.Windows中默认的文件格式是GBK(gb2312),而Linux一般都是UTF-8.下面介绍一下,在Linux中如 ...
linux 文件编码格式转换
为什么80%的码农都做不了架构师?>>> 如果你需要在Linux中操作windows下的文件,那么你可能会经常遇到文件编码转换的问题.Windows中默认的文件格式是GBK(g ...
python--字符/文本编码解码笔记
字符/文本编码解码笔记 1.字符问题编码和解码 2.字节概要 3.基本的编解码器编码类型史字符编码 ASCII码 GB2312以及其他编码 UNICODE标准编码 UTF-8编码 4.了解编解码 ...
linux 文件编码格式转换-转
如果你需要在linux下面用到windows下的文件,拷贝上去后经常发现中文显示乱码..原因是Windows中默认的文件格式是GBK(gb2312),而Linux一般都是UTF-8.比较繁琐的方法是在 ...

文本编码另存为 utf-8（字幕编码格式转换

文本编码另存为 utf-8（字幕编码格式转换

起因

代码

文本编码另存为 utf-8（字幕编码格式转换相关推荐

最新文章

热门文章