淺談Python2獲取中文文件名的編碼問(wèn)題

更新時(shí)間：2018年01月09日 08:46:45 作者：xiemanR

下面小編就為大家分享一篇淺談Python2獲取中文文件名的編碼問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

問(wèn)題：

Python2獲取包含中文的文件名是如果不轉(zhuǎn)碼會(huì)出現(xiàn)亂碼。

這里假設(shè)要測(cè)試的文件夾名為test，文件夾下有5個(gè)文件名包含中文的文件分別為：

Python性能分析與優(yōu)化.pdf

Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn).pdf

Python編程實(shí)戰(zhàn)：運(yùn)用設(shè)計(jì)模式、并發(fā)和程序庫(kù)創(chuàng)建高質(zhì)量程序.pdf

流暢的Python.pdf

編寫(xiě)高質(zhì)量Python代碼的59個(gè)有效方法.pdf

我們先不轉(zhuǎn)碼直接打印獲取到的文件名，代碼如下：

import os
for file in os.listdir('./test'):
 print(file)

輸出亂碼：

Python���ܷ������Ż�.pdf
Python���ݷ������ھ�ʵս.pdf
Python���ʵս���������ģʽ�������ͳ���ⴴ������������.pdf
������Python.pdf
��д������Python�����59����Ч����.pdf

解決：

先測(cè)試一下文件名的編碼，這里我們用到chardet模塊，安裝命令：

pip install chardet

用chardet.detect函數(shù)檢測(cè)一下文件名的編碼方式：

{'confidence': 0.99, 'encoding': 'GB2312'}
{'confidence': 0.99, 'encoding': 'GB2312'}
{'confidence': 0.99, 'encoding': 'GB2312'}
{'confidence': 0.73, 'encoding': 'windows-1252'}
{'confidence': 0.99, 'encoding': 'GB2312'}

可以看出編碼GB2312的置信度最大，下面我們用GB2312編碼來(lái)解碼文件名，代碼如下：

import os
import chardet
for file in os.listdir('./test'):
 r = file.decode('GB2312')
 print(r)

輸出：

Python性能分析與優(yōu)化.pdf

Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn).pdf

Python編程實(shí)戰(zhàn)：運(yùn)用設(shè)計(jì)模式、并發(fā)和程序庫(kù)創(chuàng)建高質(zhì)量程序.pdf

流暢的Python.pdf

編寫(xiě)高質(zhì)量Python代碼的59個(gè)有效方法.pdf

經(jīng)過(guò)編碼之后，文件名打印正確。

PS：chardet.detect檢測(cè)的字符串越長(zhǎng)越準(zhǔn)確，越短越不準(zhǔn)確

這里還有一個(gè)問(wèn)題是上面的代碼是在Windows下測(cè)試，Linux下文件名編碼是utf-8，為了兼容Windows和Linux，代碼需要修改一下，下面我們把代碼封裝到函數(shù)中：

# -*- coding: utf-8 -*-
import os

def get_filename_from_dir(dir_path):
 file_list = []
 if not os.path.exists(dir_path):
  return file_list
 for item in os.listdir(dir_path):
  basename = os.path.basename(item)
  # print(chardet.detect(basename)) # 找出文件名編碼,文件名包含有中文
  # windows下文件編碼為GB2312，linux下為utf-8
  try:
   decode_str = basename.decode("GB2312")
  except UnicodeDecodeError:
   decode_str = basename.decode("utf-8")
  file_list.append(decode_str)
 return file_list
# 測(cè)試代碼
r = get_filename_from_dir('./test')
for i in r:
 print(i)

先用GB2312解碼，如果出錯(cuò)再用utf-8解碼，這樣就兼容了Windows和Linux（在Win7和Ubuntu16.04測(cè)試通過(guò)）。

以上這篇淺談Python2獲取中文文件名的編碼問(wèn)題就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: