Node.js文件编码格式的转换

项目很多 lua 文件不是 utf-8格式，使用 EditPlus 查看的时候，显示为ASCII。还有的是带BOM的，带BOM倒好处理，之前写过，有一定规律。

ASCII编码就比较蛋疼，通过搜索网上资源，反复测试对比，最终形成下面比较靠谱的方法（有一些 EditPlus显示编码为utf-8但node.js库返回的却是其它编码>_<）

 

判断修改是否无误，只需要在修改完之后，通过SVN提交，浏览提交列表，双击任意一项待提交文件，如果显示下图所示的对话框，则说明修改成功，其它都会看到中文反而变成乱码了

 

var fs = require('fs');
var chardet = require('chardet');
var jschardet = require("jschardet");
var encoding = require("encoding");

var path = "lua目录"; 

function readDirectory(dirPath) {
    if (fs.existsSync(dirPath)) {
        var files = fs.readdirSync(dirPath);

        files.forEach(function (file) {
            var filePath = dirPath + "/" + file;
            var stats = fs.statSync(filePath);

            if (stats.isDirectory()) {
                // console.log('/n读取目录：\n', filePath, "\n");
                readDirectory(filePath);
            } else if (stats.isFile() && /\.lua$/.test(filePath)) {
                var buff = fs.readFileSync(filePath);
                if (buff.length && buff[0].toString(16).toLowerCase() == "ef" && buff[1].toString(16).toLowerCase() == "bb" && buff[2].toString(16).toLowerCase() == "bf") {
                    //EF BB BF 239 187 191
                    console.log('\n发现BOM文件：', filePath, "\n");

                    buff = buff.slice(3);
                    fs.writeFile(filePath, buff.toString(), "utf8");
                }

                // { encoding: 'UTF-8', confidence: 0.99 }
                // var charset = chardet.detectFileSync(filePath);
                var info = jschardet.detect(buff);

                if (info.encoding == "GB2312" || info.encoding == "ascii") {
                    var resultBuffer = encoding.convert(buff, "UTF-8", info.encoding);
                    fs.writeFile(filePath, resultBuffer, "utf8");
                }
                else if (info.encoding != "UTF-8" && chardet.detectFileSync(filePath) != "UTF-8")
                {
                    if (buff.toString().indexOf("\r\n") > -1)
                    {
                        var resultBuffer = encoding.convert(buff, "UTF-8", "GBK");
                        fs.writeFile(filePath, resultBuffer, "utf8");
                    }
                }
            }
        });

    } else {
        console.log('Not Found Path : ', dirPath);
    }
}

readDirectory(path);

 

注意上面的判断，第一个明确是 GB2312或者ascii时，直接将相应的编码转为 utf-8。而如果返回是格式，先判断是否有PC下的换行符，如果有则全部将它视为GBK进行处理。

 

整个思路其实是比较简单，难点在于如果判断文件编码格式。这个真的很难>_<，获取原编码格式后，调用 encoding.convert(buff, 目标编码格式, 原始编码格式); 便可得到所需要的编码。如果有空而且有兴趣，可以下载Notepad++的源码，看它是如何判断文件的编码格式

 

注：上面的方法所修改的文件，跟 Mac 上需要提交的文件列表是一致的，至少能解决我目前遇到的问题。如果有特殊的，可对上面的代码进行修正。

 

用到的第三方库：

• encoding https://github.com/andris9/encoding
• jschardet https://github.com/aadsm/jschardet
• node-chardet https://github.com/runk/node-chardet

 

编码相关的基础知识，可以参考阮一峰的这篇文章：http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

维基百科和其它资料太过专业化了，而且对 ASCII 编码的介绍不多，不再一一列举出来了。