当前位置：首页 → 问答吧 → 纠结的Python2.7编码与os.walk()函数的目录参数

纠结的Python2.7编码与os.walk()函数的目录参数

时间：2011-01-27

来源：互联网

转：sumory

纠结的Python2.7编码与os.walk()函数的目录参数

Python3与Python2.x系列的编码处理(类型，文件等)有所不同，具体这里就不再介绍了，网上有很多相关文章。
这里分享一个纠结了非常久的问题（因为一开始没特别注意函数参数的编码问题，所以浪费了不少时间，希望能给同样遇到这个问题的朋友们一点帮助）。

os.walk()函数是在需要深度访问一个目录时经常要使用的，前段时间在写一个toolkit（稍后陆续放出），里面有个功能需要这个函数，以前使用时传递的参数都是英文的，所以没太注意这个问题，没想到这次在使用中文的时候麻烦就出现了。先来看两个函数（文件头：# -*- coding: UTF-8 -*-）：

01 def encrypt(dir,outfile,suffix,recursion):
02 exts = suffix.split("|")
03 all_files=[]
04 print('传入的目录：'+dir.decode('gbk'))#请注意，print的时候需要decode下，不然是乱码
05 #当前递归的目录，当前递归的目录下的所有子目录，当前递归的目录下的所有文件
06 for root, dirs, files in os.walk(dir):
07 print('正在调用...')
08 for name in files:
09 file_path=unicode(os.path.join(root,name),'gbk')#全称,正确地取得windows下的中文文件名
10 extension=os.path.splitext(file_path)[1]
11
12 if extension[:1]!='.':
13 extension='.'+extension
14 if extension in exts:
15 oldfile=file_path
16 extensionlen=-len(extension)
17 newfile=oldfile[:extensionlen]+'-new'+extension
18 os.rename(oldfile, newfile)
19 all_files.append('/'.join(file_path.split('\\'))+"<>"+'/'.join(newfile.split('\\')))
20 if(not recursion):
21 break
22 if len(all_files)>0:
23 file = open(outfile,"w")
24 try:
25 file.write("\n".join(all_files))
26 print('successfully writes %d lines(files).' %len(all_files))
27 finally:
28 file.close()
29 else:
30 print('sorry,no files found!')
1 def invoke():
2 #dir=unicode("D:/allfiles/备份/a",'gbk')千万别想反了，要编码而不是解码
3 #dir="D:/allfiles/"英文时不用编码即可正确执行
4 dir="D:/allfiles/备份/a".encode('gbk')#当路径中含有中文时一定要编码之后才能被walk函数正确使用
5 outfile="D:/binaries.dat"
6 suffix = ".c|.cpp"
7 encrypt(dir,outfile,suffix,1)

复制代码

这两个函数的功能是遍历一个目录下指定后缀名的文件，并将其重命名，之后将改变记录到log文件，待下次恢复时使用。

主要问题出现在dir变量，当里面含有中文字符时，不会报错，但是不会进入for root, dirs, files in os.walk(dir): 循环体，调了好久才发现这个问题，一开始就忽略了参数的编码问题。后来意识到编码后，纠结了好久才调正确，归结起来有以下几点需要注意：

windows中一般需要gbk编码来与python的默认编码（unicode，python3系列我还没有尝试）进行转换；

在上面的函数中，所位于的python文件编码为utf-8（# -*- coding: UTF-8 -*-），所以参数dir变量需要先decode（’utf-8’）,然后encode（’gbk’）,decode可以省略；

当然在encrypt()函数中print时若需要看到正确的中文需要decode（’gbk’）。

最后一点教训是，还是把编码问题，尤其是python2.x的编码搞清楚再去勇敢地使用中文吧，哎…

作者: 中关村村草发布时间: 2011-01-27

直接用 "GBK" 硬编码个人感觉并不合适，如果把代码拿到 Linux/Unix等其他系统上、或者是非中文的 Windows 下，都会出问题的。

有个稍微好一点的办法，就是通过 sys.stdin.encoding 来获取应该使用的编码，而不是直接选择用某种固定的编码。

作者: tubocurarine 发布时间: 2011-01-27