|
Size: 9410
Comment:
|
Size: 12005
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 3: | Line 3: |
| ||'''status'''|| 完成 ;ZoomQuiet;95%,补充习题 || | ||'''status'''|| 校对 || ZoomQuiet;100% || |
| Line 8: | Line 8: |
| = -1 PyDay 实用化,中文! = | = CDay -1 实用化,中文! = ~ 中文处理完成功能的实用化 |
| Line 26: | Line 29: |
| 来几下! ... 呜乎矣哉,什么也查不出来! | 尝试来几下! ... 呜乎矣哉,什么也查不出来! |
| Line 49: | Line 52: |
| * 列表什么的一搜索才知道,只要是个中国人,不论整什么开发,中文!永远有问题的 | * 在网络中一搜索才知道,只要是个中国人,不论整什么开发,中文!永远会遇到各种问题的 |
| Line 55: | Line 58: |
| Line 116: | Line 120: |
| {{{详细:: PCS6 Python与中文 进一步全面的阐述了在Python 中面对中文数据时的思路和技巧... }}} |
|
| Line 117: | Line 126: |
| 这么一项项猜,还是显的很惾哪,万一有些字的高位在不同编码中是相同的,那真的是只能撞大运了! | 这么一项项猜,还是显的很傻的哪,万一有些字的高位在不同编码中是相同的,那真的是只能撞大运了! |
| Line 126: | Line 135: |
| * 问吧... * http://chardet.feedparser.org/ -- Character encoding auto-detection 自动字符探测器! |
* 问吧...行者们给出个地址:" http://chardet.feedparser.org/ " * -- Character encoding auto-detection 自动字符探测器! |
| Line 129: | Line 138: |
嗯嗯嗯？！怎么安装外部模块的呢？软件包下载，解开压缩，嗯嗯嗯？没有INSTALL 说明文件， 但是有个`setup.py` 尝试执行一下？ attachment:2008-04-29-112533_install-py-packet_scrot.png {{{ 总用量 33 drwxr-xr-x 3 zoomq zoomq 72 2008-04-29 11:25 build drwx------ 2 zoomq zoomq 1264 2006-01-11 01:34 chardet -rwx------ 1 zoomq zoomq 26432 2006-01-11 01:34 COPYING drwxrwxrwx 4 zoomq zoomq 296 2006-01-11 01:34 docs -rwx------ 1 zoomq zoomq 1981 2006-01-11 01:34 setup.py ::$ python setup.py usage: setup.py [global_opts] cmd1 [cmd1_opts] [cmd2 [cmd2_opts] ...] or: setup.py --help [cmd1 cmd2 ...] or: setup.py --help-commands or: setup.py cmd --help error: no commands supplied ::$ sudo python setup.py install running install running build running build_py running install_lib running install_egg_info Removing /usr/lib/python2.5/site-packages/chardet-1.0.egg-info Writing /usr/lib/python2.5/site-packages/chardet-1.0.egg-info }}} so easy! 好象使用了类似小白已经完成的交互式提醒哪！ 看来所有Python 的软件都可以通过`python setup.py install` 进行安装哪！ {{{详细:: PCS202 chardet 进一步说明了此外部模块的信息， 并分享了使用体验; }}} |
|
| Line 146: | Line 191: |
| * 经过测试在各种情况下都可以正确识别! * 但是怎么尝试已经保存下来的 .cdc 文本依然是 `ASCII` 码! |
经过测试在各种情况下都可以正确识别! 但是不论怎么尝试已经保存下来的 .cdc 文本依然是 `ASCII` 码! |
| Line 156: | Line 203: |
| * `iso9660` -- 嗯嗯嗯,所有光盘基本都是此文件格式的,同M$使用的 FAT32/ntfs,GNU/Liunx 使用的 ext2/3,Unix使用的nfs...各种文件系统都不同 | * 在列表中吼了一下,行者们有点无奈的说:"TiosnG!" ~ `There is one site named Google!` * 好吧,小白老实的搜索了一番,发现了`iso9660` -- 嗯嗯嗯,所有光盘基本都是此文件格式的,同M$使用的 FAT32/ntfs,GNU/Liunx 使用的 ext2/3,Unix使用的UFS...一样,只是种文件系统 |
| Line 183: | Line 232: |
| {{{警告:: Hacker~黑客 绝然不是中国媒体中宣传的那些攻击他人电脑的家伙， 黑客是些创造技术奇迹的单纯的人们: http://wiki.woodpecker.org.cn/moin/HackerHowto 被翻译所误指的是 骇客~Cracker http://en.wikipedia.org/wiki/Cracker 破坏者 未经授权而企图进入电脑系统者。这种入侵者通常是恶意进入他人的系统， 而且有许多技巧可以破坏他人的系统。 这个名词是骇客（Hacker）在1985年为对抗新闻媒体滥用hacker而提出的。 1981-1982年前曾有人推动使用毛虫代表与cracker一样的意义，但并未成功。 }}} |
|
| Line 217: | Line 280: |
| 相对Python 方面,仅仅有一对内置函式,和一个外部模块包使用的体验 | 相对Python 方面,仅仅追加了一对内置函式,和一个外部模块包使用的体验 |
| Line 228: | Line 291: |
| {{{警告:: 事实上有在Windows 下面的完全Unix环境 Cygwin http://www.cygwin.com 是一个运行于Windows下的免费的UNIX的子系统,使用一个Dll(动态链接库)来实现的虚拟机， 可以直接在 Windows 环境中使用各种Unix 实用工具; }}} |
|
| Line 230: | Line 301: |
| 1. 自动判定你自个儿的Blog 是什么编码的? | 1. 自动判定你自个儿／或是朋友的Blog 是什么编码的? |
| Line 233: | Line 304: |
status |
校对 |
ZoomQuiet;100% |
1. CDay -1 实用化,中文!
~ 中文处理完成功能的实用化
你能够碰到的问题,99%的情况下其它人已经遇到过了,所以,最佳的解决方式就是找到那段别人解决相似问题的代码!
1.1. 回顾需求
小白已经实现的需求已经到达这般了:
- 可以扫描光盘内容并存储为硬盘上的文本文件
- 存储成*.cdc 的文本文件
- 可以快速指定保存目录
- 可以快速指定保存的文件名
- 可以根据储存到硬盘上的光盘信息进行搜索
- 可以搜索指定目录中所有*.cdc文件
- 可以指定关键字进行搜索
- 列出所有含有关键字的信息行
1.1.1. 进一步
回想起来一直尝试搜索的都是E文关键字,中文的没有试过;
尝试来几下! ... 呜乎矣哉,什么也查不出来!
1.2. 查阅记录文本
attachment:badcdc-chinese.png
这种数据对嘛？
- 当初为了简单使用文档中的基本型:{{{#'cdctools.py' 中 cdWalker(cdrom,cdcfile) 的动作
...
- for root, dirs, files in os.walk(cdrom):
- export+="\n %s;%s;%s" % (root,dirs,files)
... }}}就是使用 os.walk() 的天然输出组织成每一行:
/media/cdrom0/EVA/Death-Rebirth;[];['eva8-01.Mp3', 'eva8-02.Mp3',...]
^ ^ ^ ^
| | | +- files列表，此目录的文件名
| | +- 各个数据段使用";" 分隔
| +- dirs列表，子目录名，如果没有就为空
+- 当前目录- 瞧着格式象，为什么到中文的地方就是问号呢？
1.3. 中文!永远的痛
不问不知道,一把辛酸泪哪...
- 在网络中一搜索才知道,只要是个中国人,不论整什么开发,中文!永远会遇到各种问题的
- 幸好比小白勤劳的人海了去,有关中文的Python 处理也是一搜一大堆
但是!有时候,选择太多也是个问题;-)
1.3.1. 编码问题
attachment:coding.png
有行者给出如上[http://mindmap.fltrp.com/mind-1.htm 思维图谱(Mind Map)]
- 理解过程中，先使用已知的方式测试本地硬盘文件目录情况
attachment:ipy-try-walk.png
- 嗯嗯嗯，看着就不同,根据理解继续尝试是否理解
attachment:ipy-try-trans-utf8.png {{{ unicode(原始文本, 'utf8' ).encode('utf8') 文本 ==decode()--> [unicode] ==>encode()--> utf-8文本
^ | | | | +- 最终的渴求 | | | +- 是为编码过程;可以从unicode 输出为任意编码 | | +- Python 内置支持的unicode 格式数据 | +- 是为解码过程,将已知编码的文本编译成宇宙通用的unicode数据 +- 原始文本信息,是什么编码你得知道!
}}}
- 也就是说文件没有编码之说，大家其实都是二进制格式保存在硬盘中的，仅仅是在写入读取时需要使用对应的编码进行处理，以便操作系统配合相关软件/字体绘制到屏幕中给人看
- 所以,关键问题是得知道原先这些字串数据是使用什么编码来编译的!
- 但是,在Unicode 之前,都是使用类似对照表的形式来组织编码的,无法从串数据流本身中统一解出不同的文字来,
- 只有猜!