第25章 文件编码与转码
25.1 文件编码
Stata 14及之后版本默认使用的编码为UTF-8，而Stata 13及之前版本的中文数据使用的编码多为GB2312、GBK或GB18030。
因此若要在Stata 14及之后的软件中，打开Stata 13及之前的数据，需要先做转码，才能正常使用。如果不转码，则可能出现乱码，使变量标签、值标签和字符型变量失去可读性。
25.2 文件转码
Stata官方命令
Stata内置了unicode命令组来完成转码操作，其中unicode translate适用于将其他编码文件转为UTF-8编码文件。
在执行unicode translate命令前，需要清空内存，并切换工作目录到文件存放目录：
cd "Your\Path\To\Files"
clear接着，需要设定源文件编码。一般而言，对于中文数据，设置为GB18030即可（GB18030兼容GBK，GBK兼容GB2312）：
unicode encoding set "gb18030"设置完后，可以使用unicode analyze命令，预览结果。此时Stata不会真正转码，而是会分析在当前设置下，文件是否能成功转码。以dta数据为例：
unicode analyze *.dta如果结果表明可以成功转码，则执行：
unicode translate *.dta, transutf8如果有少数几个部分（例如几个标签）包含GB18030无法解码的字符，那么可以追加invalid选项：
unicode translate *.dta, transutf8 invalid关于更多设置，可以使用help unicode获取帮助。
第三方命令QTransUni
笔者将Stata官方的几个命令整合成单个命令QTransUni，以简化操作。在Stata中，该命令的安装方式为：
net install http://hedaozi.com/resource/program/Stata/16/QTransUni/QTransUni共有5个选项：
path(string)：必选，文件存放的目录。filespec(string)：必选，文件的类别。baseEncoding(string)：可选，源文件的编码，默认值为GB18030。clear：可选，用于清空内存。如果需要添加该参数，最好先保存内存数据。invalid：可选，当有少量字符无法转码时可以添加该选项。
因此，如果要对某个文件夹内的dta数据转码，只需要：
QTransUni, path(Your/Path/To/Files) filespec(*.dta)如果有少量字符无法转码，可以：
QTransUni, path(Your/Path/To/Files) filespec(*.dta) invalid