在Windows環境中管理Mac OS創建的非ASCII字符的文件名？

Question

我處理大量未知文件的集合，並一直在學習python來幫助我過濾/排序和以其他方式纏繞這些文件。

我正在看的一個集合有大量的資源分支，我寫了一個腳本來找到它們，並刪除它們（下一步是找到它們，然後移動它們，但那是另一天）。

我在這個集合中發現有多個文件在文件名中沒有ascii字符，這似乎是在跳過os.delete函數。

示例文件名：._spec COM報告395 （NB 3有它的下面有一個小圓點，我無法找到一個例子，或找出如何顯示文件名的十六進制...）

我記錄所有的文件名，這是該文件的日誌記錄：？._spec COM報告3 95

我得到的錯誤是一個windowserror，因爲它無法找到該文件（字符串它的消逝並不是Windows OS所知道的文件）。我在try子句中允許我使用rounf，但我真的很想正確處理它。

我也使用Unicode的開關在行走選項`os.walk試圖按照這個帖子（U「」）：Handling ascii char in python string（上回答）我看到以下錯誤：

Traceback (most recent call last): 
File "<stdin>", line 3, in <module> 
File "c:\python27\lib\encodings\cp850.py", line 12, in encode 
    return codecs.charmap_encode(input,errors,encoding_map) 
UnicodeEncodeError: 'charmap' codec can't encode character u'\uf022' in position 
20: character maps to <undefined> 

所以我猜的答案在於文件名是如何解析，並想知道如果任何人可以在我指出了正確的方向...

代碼：

import os 
import sys 

rootdir = "c:\target Dir to walk" 
destKeep = "Keepers.txt" 
destDelete = "Deleted.txt" 

matchingText = "._" 
files_removed = 1 
for folder, subs, files in os.walk(rootdir): 
    outfileKeep = open(destKeep,"a") 
    outfileDelete = open(destDelete,"a") 
    for filename in files: 
     matchScore = filename.find(matchingText) 
     src = os.path.join(folder, filename) 
     srcNewline = src + ", " + str(filename) + "\n" 
     if matchScore == -1: 
     outfileKeep.writelines(srcNewline) 
     else: 
      outfileDelete.writelines(srcNewline) 
      try: 
       os.remove(src) 
     except WindowsError: 
       print "I was unable to delete this file:" 
       outfileKeep.writelines(srcNewline) 
      files_removed += 1 
      if files_removed: 
       print '%d files removed' % files_removed 
      else : 
       print 'No files removed' 
    outfileKeep.close() 
    outfileDelete.close() 

Answer 1

os.walk(u'.')是獲取原生Unicode文件名的正常方式，它應該可以正常工作;它爲我做。

你的問題是在這裏，而不是：

srcNewline = src + ", " + str(filename) + "\n" 

str(filename)將使用默認的編碼到您的Unicode字符串轉換回落到字節，因爲編碼沒有字符U + F022（*）你得到一個UnicodeEncodeError。你必須通過例如srcNewLine= '%s, %s\n' % (src, filename.encode('utf-8'))或者（可能更好）將你的字符串保存爲Unicode，並使用codecs.open ed文件將它們寫入文件來選擇要在輸出文件中存儲哪種編碼。

（*：這是一個不應使用的專用區的性格，但你可以做的不多，現在我猜...）