7C00.ME/houmu 2012-01-06

Python为Skydrive打包下载的文件恢复原文件名

下载Skydrive上的文件夹的话,所有文件会打包成一个zip压缩包。不过解压这个压缩包以后,发现所有中文名称的文件都被重命名成了类似File1.txt这样的格式,同时会多出来一个文件,名为“Encoding Error.txt”。这个文件说明了下载的文件被重命名是Skydrive服务器为之,文件前三行是:

Due to the limitations of the supported zip file format, the following file(s) had to be renamed.

Original File Name -> New File Name

后面每一行都是按照第三行的格式来说明所有被重命名的文件在重名前后的名字,比如“某文件.pdf -> File1.pdf”。值得庆幸的是文件拓展名没有被修改。显然,这些文件被重名名后很不方便使用,最好还是恢复本来的名字。手工修改的话就枉费了学了这么多门的编程语言,这种机械重复性的工作当然要用代码来做,比如Python。Skydrive不能处理掉中文文件名问题,实在是对不起Microsoft这块招牌,所幸它还是给出了“Encoding Error.txt”这个文件。

完成文件名恢复的基本思路是,首先从Encoding Error.txt里面读取文件重命名前后的文件名,然后逐一修改。涉及的内容也不多,一个是文件的打开和读取(针对的是Encoding Error.txt),用内建函数open和文件对象的readlines方法就可以了,当然这之后要对读取的字符串进行处理,最简单的做法就是split了,因为Encoding Error.txt文件每行的格式是比较简单的;另一个是文件操作,可以用os模块中的一些函数或方法,比如可以用os.path下的一些方法,不过我用的是os.system,也就是调用系统命令,在Windows平台下的做法是“rename oldname.extension newname.extension”。没有用Python os模块提供的其他更直接的重名名的方法,好处是不用考虑诸如异常处理的问题,坏处就是,只能在Windows上运行。

按照这个思路,应该是可以把工作的Python代码给写出来,但实际上要处理其他意料之外的问题,主要指的是文件编码问题。“Encoding Error.txt”的文档编码是utf-8+bom,使用open和readlines,读到的内容中文不能正确显示,需要decode一下。读取的每一行字符串需要特别处理换行符“\r\n”,直接replace成空字符即可,当然这和split的做法有关,可能不是必须的。使用os.system执行Windows命令实际上应该是执行了cmd /k command的操作,也就是运行bat命令,需要转换成Windows命令行支持的输入格式,需要encode一下。

说了这么多,代码如下:

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

enc = open("Encoding Errors.txt","r").readlines()
for i in range(len(enc)):
	if i < 3:
		continue
	enc[i] = enc[i].replace('\n','').replace('\r','')
	enc[i] = enc[i].decode("utf-8",'ignore')
	l = enc[i].split("->")
	command = "rename %s %s" % (l[1],l[0])
	print command.encode("cp936")
	if  os.system(command.encode("cp936")) == 0 :
		print	'Done!'

代码虽短,但是完全修改让其工作,倒是费了一些时间,主要精力还是花在编码的问题上,中文程序员无法回避的一个问题啊。现在遇到这方面的问题越来越多了,有必要系统学习一下。