이진 문자 집합이 포함된 CSV 파일이 있는데 HDFS(Hadoop)에서 처리하려면 UTF-8로 변환해야 합니다.
다음 명령을 사용하여 문자 세트를 확인합니다.
file -bi filename.csv
산출:
application/octet-stream; charset=binary
파일을 바이너리에서 UTF-8로 변환하려고 하면 오류가 발생합니다.
iconv -f binary -t utf-8 fiename.csv
iconv: conversion from binary' is not supported
Try iconv --help' or iconv --usage' for more information.
변환이 가능하고 head 명령을 사용하여 데이터를 볼 수 있는지 이해하는 데 도움을 줄 수 있습니까?
이것이 의미하는 바는 바이너리는 읽을 수 없음을 의미하지만 어떻게헤드 명령 또는 메모장데이터를 읽을 수 있습니다.
od -tc < 파일 이름.csv 헤더 |
0000000 357 273 277 | | R e q u e s t _ I D #
0000020 D # T y p e # D # S u b m i t t
0000040 e r # D # S h o r t _ D e s c r
0000060 i p t i o n # D # L o g _ T e x
0000100 t # D # S t a t u s # D # A s s
0000120 i g n e d _ T o # D # A s s i g
0000140 n e e # D # C r e a t e _ D a t
0000160 e # D # F o r w T o E x t H D #
0000200 D # L a s t _ M o d i f i e d _
0000220 B y # D # L o g _ I D # D # L o
답변1
"바이너리"는 그렇지 않습니다코딩(문자 세트 이름). iconv가 작업을 수행하려면 인코딩 이름이 필요합니다.
file
유틸리티가 파일 형식을 인식하지 못하는 경우 유용한 정보를 제공하지 않습니다. 예를 들어 UTF-16
BOM(바이트 인코딩 표시)이 없을 수 있습니다. notepad
읽어보세요. 동일하게 적용됩니다 UTF-8
( head
표시됩니다.저것터미널이 UTF-8 인코딩으로 설정되어 있고 BOM은 신경 쓰지 않기 때문입니다.
head
파일이 UTF-16인 경우 대부분의 문자가 ASCII(Latin-1도 포함)이고 UTF-16 문자의 "기타" 바이트는 비어 있으므로 터미널에서 파일을 표시합니다 .
두 경우 모두 버전에 따라 누락된 BOM이 file
혼란스러울 수 있습니다. 그러나 이러한 파일 형식은 Microsoft Windows 및 Windows에서 실행될 수 있는 휴대용 응용 프로그램에서 사용할 수 있으므로 다른 프로그램도 작동할 수 있습니다.
파일을 UTF-8로 변환하려면 해당 파일이 사용하는 인코딩과 해당 인코딩의 이름에 어떤 인코딩이 있는지 알아야 합니다 iconv
. 이미 UTF-8인 경우 BOM(처음에)을 추가하는 것은 선택 사항입니다. UTF-16은 두 가지 형태로 제공되며, 어느 것에 따라 바이트가 먼저 옵니다. 아니면 할 수 있어심지어UTF-32가 있습니다. iconv -l
다음을 나열하십시오.
ISO-10646/UTF-8/
ISO-10646/UTF8/
UTF-7//
UTF-8//
UTF-16//
UTF-16BE//
UTF-16LE//
UTF-32//
UTF-32BE//
UTF-32LE//
UTF7//
UTF8//
UTF16//
UTF16BE//
UTF16LE//
UTF32//
UTF32BE//
UTF32LE//
"LE" 및 "BE"는 리틀 엔디안 및 빅 엔디안 바이트 순서를 나타냅니다. Windows는 "LE" 스타일을 사용하며 iconv
"LE" 또는 "BE" 스타일이 없다고 가정할 수 있습니다.
8진수(원문) 덤프를 사용하여 이를 확인할 수 있습니다.
$ od -bc big-end
0000000 000 124 000 150 000 165 000 040 000 101 000 165 000 147 000 040
\0 T \0 h \0 u \0 \0 A \0 u \0 g \0
0000020 000 061 000 070 000 040 000 060 000 065 000 072 000 060 000 061
\0 1 \0 8 \0 \0 0 \0 5 \0 : \0 0 \0 1
0000040 000 072 000 065 000 067 000 040 000 105 000 104 000 124 000 040
\0 : \0 5 \0 7 \0 \0 E \0 D \0 T \0
0000060 000 062 000 060 000 061 000 066 000 012
\0 2 \0 0 \0 1 \0 6 \0 \n
0000072
$ od -bc little-end
0000000 124 000 150 000 165 000 040 000 101 000 165 000 147 000 040 000
T \0 h \0 u \0 \0 A \0 u \0 g \0 \0
0000020 061 000 070 000 040 000 060 000 065 000 072 000 060 000 061 000
1 \0 8 \0 \0 0 \0 5 \0 : \0 0 \0 1 \0
0000040 072 000 065 000 067 000 040 000 105 000 104 000 124 000 040 000
: \0 5 \0 7 \0 \0 E \0 D \0 T \0 \0
0000060 062 000 060 000 061 000 066 000 012 000
2 \0 0 \0 1 \0 6 \0 \n \0
0000072
UTF-16LE를 가정하면 다음을 사용하여 변환할 수 있습니다.
iconv -f UTF-16LE// -t UTF-8// <input >output
답변2
strings
iconv
(binutils에서) 둘 다 실패 recode
하면 "파일에 인쇄 가능한 문자열을 인쇄" 하지만 file
여전히 내용을 이진 데이터로 보고합니다.
$ file -i /tmp/textFile
/tmp/textFile: application/octet-stream; charset=binary
$ chardetect /tmp/textFile
/tmp/textFile: utf-8 with confidence 0.99
$ iconv -f utf-8 -t utf-8 /tmp/textFile -o /tmp/textFile.iconv
$ file -i /tmp/textFile.iconv
/tmp/textFile.iconv: application/octet-stream; charset=binary
$ cp /tmp/textFile /tmp/textFile.recode ; recode utf-8 /tmp/textFile.recode
$ file -i /tmp/textFile.recode
/tmp/textFile.recode: application/octet-stream; charset=binary
$ strings /tmp/textFile > /tmp/textFile.strings
$ file -i /tmp/textFile.strings
/tmp/textFile.strings: text/plain; charset=us-ascii
답변3
https://pypi.python.org/pypi/chardet텍스트의 인코딩을 결정하는 데 사용할 수 있으며, 이를 필요한 인코딩으로 변환할 수 있습니다.
pip install chardet
chardetect /my/path/to/file
file -i
인쇄할 때
application/octet-stream; charset=binary
chardet
올바르게 감지됨
ascii with confidence 1.0
답변4
먼저 이 명령을 사용하여 파일의 MIME 유형을 확인하고 싶습니다.
file -b --mime-type <yourfile>
file -b <yourfile>
확인한 후 application/octet-stream
이 명령을 입력하세요.cat <yourfile> | tr -d '\0' > <yournewfile>