浅谈Python2获取中文文件名的编码问题

Python  /  管理员 发布于 7年前   175

问题：

Python2获取包含中文的文件名是如果不转码会出现乱码。

这里假设要测试的文件夹名为test，文件夹下有5个文件名包含中文的文件分别为：

Python性能分析与优化.pdf

Python数据分析与挖掘实战.pdf

Python编程实战：运用设计模式、并发和程序库创建高质量程序.pdf

流畅的Python.pdf

编写高质量Python代码的59个有效方法.pdf

我们先不转码直接打印获取到的文件名，代码如下：

import osfor file in os.listdir('./test'): print(file)

输出乱码：

Python���ܷ������Ż�.pdfPython���ݷ������ھ�ʵս.pdfPython���ʵս���������ģʽ�������ͳ���ⴴ������������.pdf������Python.pdf��д������Python�����59����Ч����.pdf

解决：

先测试一下文件名的编码，这里我们用到chardet模块，安装命令：

pip install chardet

用chardet.detect函数检测一下文件名的编码方式：

{'confidence': 0.99, 'encoding': 'GB2312'}{'confidence': 0.99, 'encoding': 'GB2312'}{'confidence': 0.99, 'encoding': 'GB2312'}{'confidence': 0.73, 'encoding': 'windows-1252'}{'confidence': 0.99, 'encoding': 'GB2312'}

可以看出编码GB2312的置信度最大，下面我们用GB2312编码来解码文件名，代码如下：

import osimport chardetfor file in os.listdir('./test'): r = file.decode('GB2312') print(r)

输出：

Python性能分析与优化.pdf

Python数据分析与挖掘实战.pdf

Python编程实战：运用设计模式、并发和程序库创建高质量程序.pdf

流畅的Python.pdf

编写高质量Python代码的59个有效方法.pdf

经过编码之后，文件名打印正确。

PS：chardet.detect检测的字符串越长越准确，越短越不准确

这里还有一个问题是上面的代码是在Windows下测试，Linux下文件名编码是utf-8，为了兼容Windows和Linux，代码需要修改一下，下面我们把代码封装到函数中：

# -*- coding: utf-8 -*-import osdef get_filename_from_dir(dir_path): file_list = [] if not os.path.exists(dir_path):  return file_list for item in os.listdir(dir_path):  basename = os.path.basename(item)  # print(chardet.detect(basename)) # 找出文件名编码,文件名包含有中文  # windows下文件编码为GB2312，linux下为utf-8  try:   decode_str = basename.decode("GB2312")  except UnicodeDecodeError:   decode_str = basename.decode("utf-8")  file_list.append(decode_str) return file_list# 测试代码r = get_filename_from_dir('./test')for i in r: print(i)

先用GB2312解码，如果出错再用utf-8解码，这样就兼容了Windows和Linux（在Win7和Ubuntu16.04测试通过）。

以上这篇浅谈Python2获取中文文件名的编码问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。