você está aqui: Home  → Arquivo de Mensagens Programação Shell Linux: Inscrições Abertas

Convertendo arquivos-texto de ISO8859 para UTF-8 e vice-versa

Colaboração: Juan Carlos Castro y Castro

Data de Publicação: 28 de Abril de 2005

A maioria das distribuições GNU/Linux, em suas versões mais modernas, mudou para o padrão Unicode na representação de texto. Nesse padrão, caracteres acentuados e especiais são representados por mais de um byte. Você pode ver a diferença digitando o seguinte comando numa janela de terminal:

echo -n ç|wc -c

Se a resposta for 1, seu sistema ainda usa a codificação antiga (ISO8859, a mesma do Windows). Se for 2, ele usa a nova.

Os scripts Perl abaixo fazem a conversão do conteúdo de um arquivo texto de um padrão para o outro. Eles funcionam exclusivamente como filtro, ou seja, você tem que "pipear" os dados através deles, assim:

iso2utf8 <arquivo-criado-no-windows.txt >arquivo-com-acentos-corrigidos.txt

Ou:

man comando | col -b | utf82iso >arquivo-a-ser-lido-no-debian.txt

Os scripts em si são de uma simplicidade atroz:

#!/usr/bin/perl
#
# iso2utf8 - Converte texto de ISO8859 para UTF-8
#
use Encode;

while(<STDIN>){
   print encode("utf8", decode("iso-8859-1", $_));
}

#!/usr/bin/perl
#
# utf82iso - Converte texto de UTF-8 para ISO8859
#

use Encode;

while(<STDIN>){
   print encode("iso-8859-1", decode("utf8", $_));
}


Veja a relação completa dos artigos de Juan Carlos Castro y Castro