使用DBF包写入自定义单字节编码DBF文件的方法咨询

需要将包含波斯语字符的内容写入DBF文件，要求使用单字符占1字节的自定义代码页，可选实现思路如下：

• 向dbf表实例传入自定义代码页参数
• 不使用dbf包默认的UTF-8编码，直接向DBF文件写入二进制数据

现有待调整的代码如下：

import dbf

man = 'مرد'
woman = 'زن'
row1 = (man, woman)
row2 = (man, woman)

with open('./file.dbf', 'w') as f:
    table = dbf.Table(filename='./file.dbf',
        field_specs='field1 C(3); field2 C(3)', codepage='customCodePage', on_disk=True)
    table.open(dbf.READ_WRITE)
    table.append(row1)
    table.append(row2)
    table.close()

方法1：通过dbf包传入代码页参数 #

dbf包的codepage参数支持传入Python环境中已注册的所有编码名称，波斯语场景下通用的单字节编码为cp1256（Windows-1256），该编码为单字节定长编码，完全覆盖常用波斯语字符，每个字符占1字节，直接传入即可满足需求。
如果需要使用完全自定义映射的代码页，可以先通过Python内置codecs模块注册自定义的单字节编码映射，注册完成后将自定义编码名传入codepage参数即可，包会自动完成字符到单字节的转换。
修正后的可运行代码如下：

import dbf

man = 'مرد'
woman = 'زن'
row1 = (man, woman)
row2 = (man, woman)

# 注意无需提前手动open文件，dbf包会自行处理文件IO，提前打开会触发文件占用问题
table = dbf.Table(
    filename='./file.dbf',
    field_specs='field1 C(3); field2 C(3)',
    codepage='cp1256',  # 传入波斯语单字节编码，可替换为自行注册的自定义编码名
    on_disk=True
)
table.open(dbf.READ_WRITE)
table.append(row1)
table.append(row2)
table.close()

方法2：直接写入二进制数据 #

如果不想依赖dbf包的默认编码逻辑，可以按照DBF文件格式规范手动拼接二进制内容写入：DBF文件由定长文件头、字段描述块、记录内容块三部分组成，字符字段直接按目标单字节编码将字符串转为字节流，按字段长度截断、补空格后写入对应位置即可。
极简实现代码如下：

import struct

# 替换为你的自定义单字节编码
target_encoding = 'cp1256'
single_field_len = 3
total_records = 2
# 计算头长度：32字节基础头 + 每个字段32字节描述 + 1字节头终止符
header_total_len = 32 + 32 * 2 + 1
# 计算单条记录长度：1字节删除标记 + 两个字段的长度
single_record_len = 1 + single_field_len * 2

# 拼接基础文件头
file_header = bytearray()
file_header.append(0x03)  # 无备注的dBase III格式版本号
file_header.extend(struct.pack('<I', total_records))  # 总记录数
file_header.extend(struct.pack('<H', header_total_len))  # 文件头总长度
file_header.extend(struct.pack('<H', single_record_len))  # 单条记录长度
file_header.extend(b'\x00' * 20)  # 预留位填充

# 拼接第一个字段描述
field1_desc = bytearray(b'field1\x00')
field1_desc.extend(b'\x00' * (11 - len(field1_desc)))  # 字段名补0到11字节
field1_desc.append(ord('C'))  # 字段类型为字符型
field1_desc.extend(b'\x00' * 4)  # 字段地址预留位
field1_desc.append(single_field_len)  # 字段长度
field1_desc.append(0x00)  # 小数位数为0
field1_desc.extend(b'\x00' * 14)  # 预留位填充
file_header.extend(field1_desc)

# 拼接第二个字段描述
field2_desc = bytearray(b'field2\x00')
field2_desc.extend(b'\x00' * (11 - len(field2_desc)))
field2_desc.append(ord('C'))
field2_desc.extend(b'\x00' * 4)
field2_desc.append(single_field_len)
field2_desc.append(0x00)
field2_desc.extend(b'\x00' * 14)
file_header.extend(field2_desc)

file_header.append(0x0D)  # 文件头终止标记

# 拼接记录内容
record_content = bytearray()
man_b = 'مرد'.encode(target_encoding).ljust(single_field_len, b' ')[:single_field_len]
woman_b = 'زن'.encode(target_encoding).ljust(single_field_len, b' ')[:single_field_len]
for _ in range(total_records):
    record_content.append(0x20)  # 空格表示该记录未被删除
    record_content.extend(man_b)
    record_content.extend(woman_b)

# 二进制写入文件
with open('./file.dbf', 'wb') as f:
    f.write(file_header)
    f.write(record_content)

注意事项 #

• 写入前需要确认所用的单字节编码覆盖了所有待写入的波斯语字符，避免出现字符编码失败、被替换为问号的问题
• 手动拼接二进制时要严格遵守DBF的长度规范，否则生成的文件无法被常规DBF读取工具识别

内容的提问来源于stack exchange，提问作者Hossein Yousefian