Python findall、正则表达式、unicode

我正在尝试编写一个Python脚本，它通过目录树进行搜索，列出所有.flac文件，并从resp中派生Arist、Album和Title。dir/subdir/filename并将其写入文件。代码工作正常，直到遇到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：

**DEBUG** rpath = Thriftworks/Fader/Thriftworks - Fader - 01 180°.flac
**DEBUG** title = 180°
**DEBUG** artist = Thriftworks
**DEBUG** album = Fader
Traceback (most recent call last):
  File "decflac.py", line 25, in <module>
    scandirs('./')
  File "decflac.py", line 7, in scandirs
    scandirs(currentFile)
  File "decflac.py", line 7, in scandirs
    scandirs(currentFile)
  File "decflac.py", line 20, in scandirs
    out = "%s | %s | %s | %s\n" % (rpath, artist, album, title)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc2 in position 46: ordinal not in range(128)

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，而不能在脚本中工作？

---

2） 如何修复脚本？

Python控制台与终端配合使用，并根据其区域设置解释unicode编码

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：

with open('filelist.tmp', 'a') as f:
    f.write(out.encode('utf8'))

或

导入编解码器

并直接执行以下操作：

with codecs.open('filelist.tmp', 'a', encoding='utf8') as f:
    f.write(out)

或者，由于utf8是默认值：

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

在控制台中，终端设置定义编码。现在，Unice上的主要是Unicode，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，通常为ascii（除非代码以UTF字节顺序标记开头）

我不完全确定，但可能在字符串“%s |%s |%s |%s\n”前面加上

u

使其成为unicode字符串会有所帮助

---

通过切换到Python3解决问题，Python3按预期处理unicode大小写。
替代：

title = title[0].decode("utf8")

用于：

title = title[0]

甚至不需要在“out”的值前面加上“u”或在写入时指定编码。

---

我喜欢Python3。

当对包含Unicode字符的文件名使用

glob

时，请使用Unicode字符串作为模式。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其进行编码。如果您的歌曲包含控制台编码不支持的字符，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

>>> 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

，是执行递归搜索的一种更简单的方法：

#!python2
import os, fnmatch

def scandirs(path):
    for path,dirs,files in os.walk(path):
        for f in files:
            if fnmatch.fnmatch(f,u'*.flac'):
                album,artist,tracktitle = f.split(u' - ')
                print 'Album: ',album
                print 'Artist:',artist
                title,track = tracktitle.split(u' ',1)
                track = track[:-5]
                print 'Track: ',track
                print 'Title: ',title

scandirs(u'.')

输出：

Album:  ThriftworksFaderThriftworks
Artist: Fader
Track:  180°
Title:  01

---

感谢您对控制台和区域设置的回复和解释。不幸的是，提议的代码修复似乎不起作用；在“out”的值前面加上“u”时，脚本停止，并出现相同的错误。我唯一能让它通过'out='的时候是在注释'title=title[0]。解码（“utf8”）'行时，而不是在'out'前面加上'u'。但随后脚本在write语句中退出；同样的错误。*我尝试了所有三种建议的write语句，感谢您对控制台和解释器之间差异的解释。完全有道理。不幸的是，建议的u前缀不起作用，请参阅我的回复eumiro的帖子。谢谢你，马克。仍然无法使用u作为glob的前缀，但是使用os.walk而不是glob构造，该脚本在unicode和Python2中运行良好。

Album:  ThriftworksFaderThriftworks
Artist: Fader
Track:  180°
Title:  01