通過文件擴展循環，尋找非ASCII字符 - Python

我寫了一個小小的Python程序，通過查看包含非ASCII字符的文件的目錄（及其子目錄）。通過文件擴展循環，尋找非ASCII字符 - Python

我想改善它。我知道這個「目錄」中的某些文件可能是ZIP，DTA/OUT，OMX，SFD/SF3等...被連接成非ASCII字符的文件。所以我想知道這些在那裏並且屏蔽那些不應該包含ASCII字符的字符，因爲我的最終目標是找到不應該包含非ASCII字符的文件，這些文件不應該包含非ASCII字符並刪除它們（具有TB值的壞扇區損壞的磁盤的重要數據）。

我的想法是通過能夠在「除」 /除了在Python塊一試的部分看起來像這樣的文件看得更遠：

try: 
    content.encode('ascii') 
    output.write(str(counter) + ", " + file + ", ASCII\n") 
    print str(counter) + " ASCII file status logged successfully: " + file 
    counter += 1 

except UnicodeDecodeError: 
    output.write(str(counter) + ", " + file + ", non-ASCII\n") 
    print str(counter) + " non-ASCII file status logged successfully: " + file 
    counter += 1

當我開始寫代碼，我意識到循環查詢文件是否爲'.zip'或'.sfd' pr '.omx'等...將是一個笨重的程序，並永遠佔用。

有沒有什麼辦法可以逐一搜索一組文件擴展名？也許包含這些擴展名的文件需要檢查？或者我沒有想到的東西？如果這是一個愚蠢的問題，我很抱歉，但是Python中有很多很酷的功能，我相信我錯過了一些可以提供幫助的東西。

乾杯。

來源

2011-11-13 nicorellius

我認爲有一個比簡單的排除列表更好的解決方案，但你知道這樣做不會很慢，你正在做一個簡單的正則表達式或字符串比較。 – brc

它可能會幫助你的心理狀態在正確的術語上自我調節。在幾乎所有的現代系統中，文件都包含字節，而不是字符。所以你正在尋找128或更大的字節值。這些是「非ASCII」字節。如果您還想排除除換行符，製表符等之外的其他控件，那麼您將查找小於32的特定字節值和127. – wberry

感謝關於術語的課程......我會嘗試這樣思考，也許這將有助於我對這些問題的總體看法。 – nicorellius

我的數字，因爲我沒有任何答案可以繼續，並用部分答案自己回答。我基本上採取了不同的方法，並尋找一個特定的文件，預計這個共享會很豐富，然後將爲每個文件做同樣的事情。這是一種哈克式的，但它會完成任務。

來源

2011-11-21 19:08:54 nicorellius

通過文件擴展循環，尋找非ASCII字符 - Python

回答

相關問題