Comment lire des fichiers texte codés non UTF-8 (par exemple, GBK) dans Go ?

Lecture de fichiers texte non UTF-8 dans Go

La lecture et l'écriture de fichiers texte non UTF-8 peuvent être difficiles dans Go car la bibliothèque standard suppose le codage UTF-8. Cet article aborde ce problème et propose une solution complète en utilisant les sous-dépôts de Go.

Problème :

Comment pouvons-nous lire des fichiers texte encodés dans des formats non UTF-8 , comme GBK, dans Allez-y ?

Solution :

Pour lire des fichiers dans des encodages non UTF-8, nous utilisons le package golang.org/x/text/encoding. Ce package définit une interface pour les encodages de caractères génériques qui facilitent la conversion vers et depuis UTF-8.

En particulier, pour l'encodage GBK, nous utilisons le sous-paquet golang.org/x/text/encoding/simplifiedchinese, qui fournit des implémentations de codage GB18030, GBK et HZ-GB2312. Ces implémentations implémentent l'interface encoding.Encoding.

Implémentation :

Voici un exemple démontrant la lecture et l'écriture d'un code encodé en GBK fichier :

package main

import (
    "bufio"
    "fmt"
    "log"
    "os"

    "golang.org/x/text/encoding/simplifiedchinese"
    "golang.org/x/text/transform"
)

var enc = simplifiedchinese.GBK

func main() {
    // Example filename
    const filename = "example_GBK_file"

    exampleWriteGBK(filename)
    exampleReadGBK(filename)
}

func exampleReadGBK(filename string) {
    f, err := os.Open(filename)
    if err != nil {
        log.Fatal(err)
    }

    // Convert GBK to UTF-8 on the fly
    r := transform.NewReader(f, enc.NewDecoder())

    sc := bufio.NewScanner(r)
    for sc.Scan() {
        fmt.Printf("Read line: %s\n", sc.Bytes())
    }
    if err := sc.Err(); err != nil {
        log.Fatal(err)
    }
}

func exampleWriteGBK(filename string) {
    f, err := os.Create(filename)
    if err != nil {
        log.Fatal(err)
    }

    w := transform.NewWriter(f, enc.NewEncoder())

    // Example text with Chinese characters
    _, err = fmt.Fprintln(w,
        `In 1995, China National Information Technology Standardization
Technical Committee set down the Chinese Internal Code Specification
(Chinese: 汉字内码扩展规范（GBK）; pinyin: Hànzì Nèimǎ
Kuòzhǎn Guīfàn (GBK)), Version 1.0, known as GBK 1.0, which is a
slight extension of Codepage 936. The newly added 95 characters were not
found in GB 13000.1-1993, and were provisionally assigned Unicode PUA
code points.`)
    if err != nil {
        log.Fatal(err)
    }
}

Aire de jeux :

https://go.dev/play/p/fFIy9VES6cL

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!