Python findall、regex、unicode

Question

我正在尝试编写一个Python脚本，它在目录树中搜索并列出所有.flac文件，并从resp派生Arist、Album和Title。dir/subdir/filename并将其写入文件。代码工作正常，直到碰到unicode字符为止。代码如下：

import os, glob, re

def scandirs(path):
    for currentFile in glob.glob(os.path.join(path, '*')):
    if os.path.isdir(currentFile):
        scandirs(currentFile)
    if os.path.splitext(currentFile)[1] == ".flac":
        rpath = os.path.relpath(currentFile)
        print "**DEBUG** rpath =", rpath
        title = os.path.basename(currentFile)
        title = re.findall(u'\d\d\s(.*).flac', title, re.U)
        title = title[0].decode("utf8")
        print "**DEBUG** title =", title
        fpath = os.path.split(os.path.dirname(currentFile))
        artist = fpath[0][2:]
        print "**DEBUG** artist =", artist
        album = fpath[1]
        print "**DEBUG** album =", album
        out = "%s | %s | %s | %s\n" % (rpath, artist, album, title)
        flist = open('filelist.tmp', 'a')
        flist.write(out)
        flist.close()

scandirs('./')

代码输出：

^{pr2}$

但是，在Python控制台中尝试时，它运行良好：

>>> import re
>>> title = "Thriftworks - Fader - 01 180°.flac"
>>> title2 = "dummy"
>>> title = re.findall(u'\d\d\s(.*).flac', title, re.U)
>>> title = title[0].decode("utf8")
>>> out = "%s | %s\n" % (title2, title)
>>> print out
dummy | 180°

所以，我的问题是： 1） 为什么相同的代码可以在控制台中工作，但在脚本中却不行？ 2） 如何修复脚本？在

Answer 1

1. 在控制台中，您的终端设置定义编码。现在，unices上主要是unice，例如Linux/BSD/MacOS和Windows上的Windows-1252。在解释器中，它默认为python文件的编码，通常是ascii（除非代码以UTF字节顺序标记开头）。

2. 我不太确定，但也许在字符串“%s”%s |%s |%s\n“前面加一个u使其成为unicode字符串可能会有所帮助。

Answer 2

Python控制台与终端一起工作，并根据其区域设置解释unicode编码。在

将该行替换为新的str.format：

out = u"{} | {} | {} | {}\n".format(rpath, artist, album, title)

并在写入文件时编码为utf8：

^{pr2}$

或者import codecs并直接执行：

^{3}$

或者，由于utf8是默认值：

with open('filelist.tmp', 'a') as f:
    f.write(out)

Answer 3

将glob与包含Unicode字符的文件名一起使用时，请为模式使用Unicode字符串。这使得glob返回Unicode字符串而不是字节字符串。输出时，打印Unicode字符串会自动在控制台的编码中对它们进行编码。如果您的歌曲包含主机编码不支持的字符，您仍然会遇到问题。在这种情况下，将数据写入UTF-8编码的文件，并在支持UTF-8的编辑器中查看。在

>>> import glob
>>> for f in glob.glob('*'): print f
...
ThriftworksFaderThriftworks - Fader - 01 180░.flac
>>> for f in glob.glob(u'*'): print f
...
ThriftworksFaderThriftworks - Fader - 01 180°.flac

这也适用于os.walk，是进行递归搜索的一种更简单的方法：

^{pr2}$

输出：

^{3}$