用 AI 实现一个 GBK/GB2312 转 UTF-8 工具：轻松解决文本编码转换难题

在处理历史文件或与不同系统交互时，我们经常会遇到 GBK 或 GB2312 编码的文本文件。虽然现在 UTF-8 是主流，但手动转换这些旧编码文件既繁琐又容易出错。为了解决这个问题，我开发了一个简单的图形界面工具，可以批量将指定文件夹下的 GBK/GB2312 文件转换为 UTF-8 编码。

工具概览

这个工具使用 Python 和 Tkinter 构建，提供了一个直观的用户界面。它具备以下主要功能：

图形界面: 简洁易用，无需命令行操作。
文件夹选择: 方便地选择包含需要转换文件的文件夹。
智能编码检测: 利用 chardet 库自动识别文件编码，并针对 GBK/GB2312 做了优化处理。
批量转换: 递归遍历文件夹，自动处理所有识别出的 GBK/GB2312 文本文件。
跳过机制: 自动跳过已经是 UTF-8 或无法识别编码的文件。
实时日志: 在界面上显示详细的转换过程和结果。
多线程: 转换过程在后台线程进行，避免界面卡顿。

界面截图

file

如何使用

您可以选择以下两种方式之一来使用该工具：

1. 直接运行 (需要 Python 环境)

确保您的电脑已安装 Python 3。
下载或克隆项目代码。
在项目目录下打开终端或命令提示符，安装依赖：
```
pip install -r requirements.txt
```
运行主程序：
```
python main.py
```
在弹出的窗口中，点击“浏览”选择目标文件夹，然后点击“开始转换”。

2. 使用预编译的可执行文件

访问项目的 GitHub Releases 页面。
下载适用于您操作系统的最新版本（例如 Windows 下载 .exe 文件）。
直接双击运行下载的文件即可。

完整源代码

以下是工具的主要 Python 源代码 (main.py)：

import tkinter as tk
from tkinter import filedialog, messagebox, scrolledtext
import os
import chardet
import threading
import webbrowser # ", self.open_link)

        # 配置行列权重，使控件随窗口缩放
        master.grid_rowconfigure(3, weight=1) # 日志区域占满剩余空间
        master.grid_rowconfigure(4, weight=0) # 链接行不扩展
        master.grid_columnconfigure(1, weight=1)

    def log(self, message):
        """向日志区域添加消息"""
        self.log_text.config(state=tk.NORMAL)
        self.log_text.insert(tk.END, message + "n")
        self.log_text.see(tk.END) # 滚动到底部
        self.log_text.config(state=tk.DISABLED)
        self.master.update_idletasks() # 强制更新界面

    def browse_folder(self):
        """打开文件夹选择对话框"""
        folder_selected = filedialog.askdirectory()
        if folder_selected:
            self.folder_path_var.set(folder_selected)
            self.log(f"已选择文件夹: {folder_selected}")

    def is_text_file(self, filename):
        """根据扩展名判断是否可能是文本或代码文件"""
        _, ext = os.path.splitext(filename)
        return ext.lower() in TEXT_FILE_EXTENSIONS

    def detect_encoding(self, file_path):
        """检测文件编码"""
        try:
            with open(file_path, 'rb') as f:
                raw_data = f.read(4096) # 读取一部分数据进行检测
            result = chardet.detect(raw_data)
            encoding = result['encoding']
            confidence = result['confidence']
            # chardet有时会将GBK/GB2312检测为其他编码，增加一些兼容性判断
            if encoding and encoding.lower() in ['gb2312', 'gbk', 'gb18030']:
                 return encoding.lower(), confidence
            # 对于置信度不高的常见误判，也尝试按GBK处理
            if encoding and confidence  {TARGET_ENCODING})")
                return True
            else:
                self.log(f"跳过: {os.path.basename(file_path)} (已经是 {TARGET_ENCODING} 或无需转换)")
                return False

        except Exception as e:
            self.log(f"转换失败: {os.path.basename(file_path)} - {e}")
            return False

    def process_folder(self, folder_path):
        """处理指定文件夹下的所有文件"""
        converted_count = 0
        skipped_count = 0
        error_count = 0
        processed_files = 0

        self.log(f"n开始扫描文件夹: {folder_path}")
        for root, _, files in os.walk(folder_path):
            for filename in files:
                if not self.is_text_file(filename):
                    # self.log(f"忽略非文本文件: {filename}")
                    continue

                file_path = os.path.join(root, filename)
                processed_files += 1
                self.log(f"正在处理: {file_path}")
                
                encoding, confidence = self.detect_encoding(file_path)

                if encoding and encoding.lower() in SUPPORTED_ENCODINGS:
                    self.log(f"检测到 {encoding.upper()} (置信度: {confidence:.2f}): {filename}")
                    if self.convert_file_encoding(file_path, encoding):
                        converted_count += 1
                    else:
                        error_count += 1
                elif encoding:
                    # self.log(f"跳过 (非GBK/GB2312编码: {encoding}): {filename}")
                    skipped_count += 1
                else:
                    # self.log(f"跳过 (无法检测编码): {filename}")
                    skipped_count += 1
                    error_count += 1 # 无法检测也算一种错误
        
        self.log(f"n处理完成。共扫描 {processed_files} 个文本/代码文件。")
        self.log(f"成功转换: {converted_count}")
        self.log(f"跳过文件: {skipped_count}")
        self.log(f"转换/检测失败: {error_count}")
        messagebox.showinfo("完成", f"转换完成！n成功: {converted_count}n跳过: {skipped_count}n失败: {error_count}")
        # 转换完成后重新启用按钮
        self.convert_button.config(state=tk.NORMAL)
        self.browse_button.config(state=tk.NORMAL)

    def start_conversion_thread(self):
        """在单独的线程中开始转换过程，避免GUI卡死"""
        folder_path = self.folder_path_var.get()
        if not folder_path or not os.path.isdir(folder_path):
            messagebox.showerror("错误", "请先选择一个有效的文件夹！")
            return

        # 禁用按钮，防止重复点击
        self.convert_button.config(state=tk.DISABLED)
        self.browse_button.config(state=tk.DISABLED)
        self.log_text.config(state=tk.NORMAL)
        self.log_text.delete('1.0', tk.END) # 清空日志
        self.log_text.config(state=tk.DISABLED)

        # 创建并启动线程
        conversion_thread = threading.Thread(target=self.process_folder, args=(folder_path,), daemon=True)
        conversion_thread.start()

    def open_link(self, event):
        """打开GitHub链接"""
        webbrowser.open_new(self.github_url)

if __name__ == "__main__":
    root = tk.Tk()
    app = EncodingConverterApp(root)
    root.mainloop()