记一次Python批量解压文件遇中文乱码及解决过程
前言
因为工作原因,公司提高了对项目的安全扫描水平,所以最近在学习Web逆向工程。
通过付费渠道,拿到了关于 Python 爬虫的相关教材,百度网盘下载后发现文件格式像套娃一样(如下图所示),如果30+个文件都挨个点进去解压,就显得有点愚蠢,正好同时要学 Python,于是拿来练手,写一个批量解压的脚本,由此引出了标题。
省流
在调用 zipfile.ZipFile()
方法时,需要多传 metadata_encoding
参数,即:
with zipfile.ZipFile(sub_zip_path, 'r', metadata_encoding='gbk') as item:
编写脚本
这里直接贴源码了,主要是遍历文件,并使用 zipfile
库解压:
import os
import zipfile
import shutil
origin_file_path = r"G:\Nas\爬虫第11期"
# 使用 os.listdir 获取目录下的所有文件列表
path_dir = os.listdir(origin_file_path)
for finder in path_dir:
# 拼接路径
item_path = os.path.join(origin_file_path, finder)
# 如果是文件夹
if os.path.isdir(item_path):
# 继续获取子目录下的文件列表
sub_file_dir = os.listdir(item_path)
# 如果不是空文件夹
if len(sub_file_dir):
# 正常应该用正则判断是不是zip文件
# 因为每个文件夹只有一个zip压缩包,固直接取sub_file_dir的下标0
sub_zip_path = os.path.join(item_path, sub_file_dir[0])
# 将文件解压到当前目录
zip_to_path = os.path.join(sub_zip_path, finder)
# 参数 r 代表自动转义【盘符】
with zipfile.ZipFile(sub_zip_path, 'r') as item:
# 其实直接调用extractall方法可以实现全部解压
# item.extractall(item_path)
# 遍历压缩文件,并解压
for name in item.namelist():
item.extract(name, item_path)
print(f'name: {name} | {sub_zip_path}')
item.close()
# 若对解压结果不满意,批量删除
# if os.path.isdir(sub_zip_path):
# shutil.rmtree(sub_zip_path)
print(finder, item_path, sub_file_dir)
else:
print('isFile:', finder)
点击运行,然后……
完全的乱码,根本没法用。
批量删除(可选)
此时可以把批量删除的代码注释打开,清空乱码文件,即:
# 参数 r 代表自动转义【盘符】
# with zipfile.ZipFile(sub_zip_path, 'r') as item:
# # item.extractall(item_path)
# for name in item.namelist():
# item.extract(name, item_path)
# print(f'name: {name} | {sub_zip_path}')
# item.close()
# 若对解压结果不满意,批量删除
if os.path.isdir(sub_zip_path):
shutil.rmtree(sub_zip_path)
shutil.rmtree()
就是删除整个文件夹(不会校验子目录的状态)的意思
寻解过程
Google 后发现大多数都是几年前的解法,而且涉及到修改库文件源码:
于是在查看源码的过程中,发现其实3.11版本已经支持了中文解码,只需要传入参数即可:
由上图可知,若不传入metadata_encoding
就会默认按cp437
处理。
修改后,再次运行脚本,发现打印和解压目录也正常了:
转载自:https://juejin.cn/post/7268946819905028096