在Notepad ++中使用Python脚本将ANSI转换为UTF-8-Unicode名称问题

Question

我正在使用村上淳写的脚本，将.srt文件（电影字幕）的编码从ANSI转换为UTF-8，效果很好，对我来说很完美，但是有问题。 我有一些名称中包含Unicode字符的文件夹，并且脚本在这些文件夹中无法打开.srt文件。 我只希望脚本像其他人一样打开这些文件夹。

这是脚本：

import os;
import sys;
filePathSrc="C:\\Users\\New folder\\" # Path to the folder with files to convert
for root, dirs, files in os.walk(filePathSrc):
for fn in files: 
    if fn[-4:] == '.srt': # Specify type of the files
        notepad.open(root + "\\" + fn)      
        notepad.runMenuCommand("Encoding", "Convert to UTF-8")
        notepad.save()
        notepad.close()

所以我想知道是否有人可以帮助我解决这个问题。 尤其是村上淳（Jun Murakami ）最初是写它的，还是你们中任何知道如何解决这个问题的人。 我将非常感激。

Answer 1

您可以尝试以下代码：

import codecs
import os
import sys

filePathSrc="C:\\222\\3" # Path to the folder with files to convert
for root, dirs, files in os.walk(unicode(filePathSrc)):
    for fn in files: 
        if fn[-4:] == '.srt': # Specify type of the files
            filename = unicode(root + "\\" + fn)
            with codecs.open(filename,'r', encoding = "Windows-1251") as f:
                text = f.read()
                # process Unicode text
            with codecs.open(filename,'w',encoding='utf8') as f:
                # f.write(u'\uFEFF') # BOM mark optional
                f.write(text)

要点：

• import codecs添加的import codecs以使用Python中的文件
• os.walk(unicode(filePathSrc))一个Unicode路径以返回Unicode文件名
• 您应该with codecs.open(filename,'r', encoding = "Windows-1251")代码为文件而不是Windows-1251指定正确的编码。
• 如果文件夹filePathSrc变量应具有Unicode字符，请将其转换为\\uXXXX表示法（您可以使用JavaScript转义字段中的r12a Unicode Converter轻松实现 ）。 假设您的文件夹名称是7 Minutes 2014{جنایی}{7 دقیقه} 。 将其粘贴到绿色字段中，然后单击“ 转换” 。 然后，从JavaScript转义字段中获取字符串，并将其用于filePathSrc变量，同时还要在字符串前添加u""前缀。 它将显示为filePathSrc=u"c:\\\\222\\\\7 Minutes 2014{\ج\ن\ا\ی\ی}{7 \د\ق\ی\ق\ه}" 。 然后，使用os.walk(filePathSrc)代替os.walk(unicode(filePathSrc)) os.walk(filePathSrc)因为我们传递的字符串已经是Unicode。

Answer 2

如果在os.walk()使用Unicode路径，它将返回Unicode路径和文件名。 不需要记事本来转换文件。 以下是未指定的代码，它们将在Python 2和Python 3中工作。

请注意，在Python 3中默认情况下字符串是Unicode，但是from __future__使Python 2字符串默认为Unicode，而通常它们是字节字符串。 确保在任何地方都使用Unicode字符串很重要。

io.open是open的Python 3版本，但在Python 2中也可用。 默认情况下，它将以“ ANSI”编码打开文件。 locale.getpreferredencoding()可用于确定确切的编码。 在美国Windows上是cp1252 。 read()将返回解码为Unicode的文件数据。

编码utf-8-sig将在UTF-8编码的BOM字符（Windows倾向于使用该字符）的前面，并使用UTF-8对写入的数据进行编码。 如果不需要BOM，请改用utf8 。

from __future__ import unicode_literals
import os
import io
import fnmatch
filePathSrc = r'C:\test'
for root, dirs, files in os.walk(filePathSrc):
    for fn in fnmatch.filter(files,'*.srt'):
        fullname = os.path.join(root,fn)
        with io.open(fullname) as f:
            data = f.read()
        with io.open(fullname,'w',encoding='utf-8-sig') as f:
            f.write(data)