Tengo alrededor de 700 archivos que fueron el resultado de un proceso de software de subtítulos. Puedo abrir los archivos en mi PC o Mac en una GUI, pero cuando los abro en el servidor con nano, aparece esto:
��0^@0^@;^@0^@0^@;^@0^@0^@;^@0^@0^@ ^@0^@0^@;^@0^@0^@;^@0^@6^@;^@0^@0^@
^@
^@N^@o^@t^@ ^@A^@v^@a^@i^@l^@a^@b^@l^@e^@
Estos son los resultados de algunas de las cosas de la línea de comandos que he probado:
#file infile.txt
infile.txt: data
# file -bi --mime-encoding infile.txt
application/octet-stream; charset=binary
recode ../CR-LF infile.txt
#file -bi --mime-encoding infile.txt
#iconv -f binary -t uff-8 infile.txt > out.txt
iconv: conversions from `binary' and to `uff-8' are not supported
#recode ../CR-LF infile.txt
#recode UTF8..ISO-8859-15 infile.txt
# file -bi --mime-encoding infile.txt
text/plain; charset=utf-16le
#xxd infile.txt | head -5
0000000: fffe 3000 3000 3b00 3000 3000 3b00 3000 ..0.0.;.0.0.;.0.
0000010: 3000 3b00 3000 3000 2000 3000 3000 3b00 0.;.0.0. .0.0.;.
0000020: 3000 3000 3b00 3000 3600 3b00 3000 3000 0.0.;.0.6.;.0.0.
0000030: 0d00 0d0a 004e 006f 0074 0020 0041 0076 .....N.o.t. .A.v
0000040: 0061 0069 006c 0061 0062 006c 0065 00 .a.i.l.a.b.l.e.
El archivo real se ve así (resulta que no fue la mejor opción, accidentalmente elegí uno sin mucho contenido):
00;00;00;00 00;00;06;00 Not Available
Luego, si nano el archivo, aparece un texto en la parte inferior que dice que se convirtió del formato DOS y Mac, pero sigue siendo basura. Necesito poder recorrer los archivos e importar los datos a una base de datos, pero, por supuesto, no puedo hacerlo si el servidor no puede leer el formato.
Me gustaría encontrar una solución a largo plazo ya que generaré muchos de estos en el futuro y preferiría no usar Windows PowerShell o equivalente, sino incorporar la conversión a mi proceso.
Respuesta1
Entonces la solución para mí terminó siendo usar recodificar. No hay mucha documentación excelente, pero el truco consistía en usar la opción -f para obligarlo a cambiarlo.
recode -f UTF-7 *.txt