Linux 下文件Non-ISO extended-ASCII編碼問題

           Linux下，有時候我們需要將文件轉換爲另外一種編碼格式，如UTF-8，這個時候我們可以使用iconv工具轉換，但是如果遇到不確定的編碼，在轉換的時候就很麻煩，比如Non-ISO extended-ASCII。現有一個文件SogouQ.mini，查看其編碼如下：

[hadoopUser@secondmgt data]$ file SogouQ.mini 
SogouQ.mini: Non-ISO extended-ASCII English text, with very long lines

          如果直接轉換會報以下錯誤

[hadoopUser@secondmgt data]$ iconv  -t UTF-8 SogouQ.mini >log.txt
iconv: illegal input sequence at position 48

          這時候我們可以使用以下方式一個一個查找其源編碼

$ iconv --list | sed 's/\/\/$//' | sort > encodings.list
$ for a in `cat encodings.list`; do
  printf "$a  "
  iconv -f $a -t UTF-8 systeminfo.txt > /dev/null 2>&1 \
    && echo "ok: $a" || echo "fail: $a"
done | tee result.txt

           遍歷result.txt文件中，查找嘗試那些沒有fail的編碼方式。最後-f CP850 -t UTF-8對我的文件正好。使用如下命令轉換：

iconv -f CP850 -t UTF-8 SogouQ.mini >SogouQueryLog.txt

           查看轉換後的文件編碼：

[hadoopUser@secondmgt data]$ file SogouQueryLog.txt 
SogouQueryLog.txt: UTF-8 Unicode English text, with very long lines

          由結果可知：轉換成功！