最近拿到一份代码，注释是乱码，编译通不过。不得不花些时间，了解下如何查看文件的编码以及如何转换字符集。
1.查看文件的字符编码
用命令file -i filename查看文件的字符编码（如果是Mac，用file -I filename），举例如下：
$ file -i readme.txt
readme.txt: text/plain; charset=iso-8859-1
text/plain; charset=iso-8859-1是一个媒体类型（也叫internet media type, mime, content-types），由type、subtype、0或多个参数组成。常见的媒体类型可以查看维基百科：list of common media types。
用echo $lang查看终端使用的字符集：
$ echo $lang
en_us.utf-8
2.转换字符集
用命令iconv转换字符集，如将iso-8859-1转换成utf-8：
$ iconv -f iso-8859-1 -t utf-8 readme.txt
值得注意的是，上述命令只是输出转换后的文本，并没有直接替换文件。如果批量转换，可以写个简单脚本，转换并替换原文件，如下：
#!/usr/bin/env bash
tmp_file="tmp.$$"
trap "rm -f $tmp_file" exit
find . -name "*.java" > $tmp_file
for file in $tmp_file
do
#iconv -f iso-8859-1 -t utf-8 $file
iconv -f gbk -t utf-8 $file -o "$file.new"
mv "$file.new" $file #replace the old file
done
3.遇到的问题及解决
如上例，file -i readme.txt明明显示的是iso-8859-1，转换成utf-8，还是乱码。这种情况下，多半是因为原文件字符编码不是iso-8859-1，因为这份代码来源于中国人手，就估计乱码部分应该是中文，其对应的字符编码是gbk，再用iconv -f gbk -t utf-8 readme.txt，果真正常。
我还遇到file -i filename显示的字符编码是unknown-8bit，这种情况下，只有猜了。语言对应于字符编码如下（enca是用来检测和转换字符编码的，反正在我的例子，检测不出来）:
#http://manpages.ubuntu.com/manpages/lucid/man1/enca.1.html
$sudo apt-get install enca
$ enca --list languages
belarussian: cp1251 ibm866 iso-8859-5 koi8-uni maccyr ibm855 koi8-u
bulgarian: cp1251 iso-8859-5 ibm855 maccyr ecma-113
czech: iso-8859-2 cp1250 ibm852 keybcs2 macce koi-8_cs_2 cork
estonian: iso-8859-4 cp1257 ibm775 iso-8859-13 macce baltic
croatian: cp1250 iso-8859-2 ibm852 macce cork
hungarian: iso-8859-2 cp1250 ibm852 macce cork
lithuanian: cp1257 iso-8859-4 ibm775 iso-8859-13 macce baltic
latvian: cp1257 iso-8859-4 ibm775 iso-8859-13 macce baltic
polish: iso-8859-2 cp1250 ibm852 macce iso-8859-13 iso-8859-16 baltic cork
russian: koi8-r cp1251 iso-8859-5 ibm866 maccyr
slovak: cp1250 iso-8859-2 ibm852 keybcs2 macce koi-8_cs_2 cork
slovene: iso-8859-2 cp1250 ibm852 macce cork
ukrainian: cp1251 ibm855 iso-8859-5 cp1125 koi8-u maccyr
chinese: gbk big5 hz
none: