TableOfContents

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!

回顾需求

小白已经实现的需求已经到达这般了:

1. 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
2. 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

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!

查阅记录文本

图 CDay-1-1 mymusic-1.cdc内容 attachment:cday-1-mymusic-content.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？

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;-)

编码问题

图 CDay-1-2 编码思维图谱 attachment:cday-1-encode.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

图 CDay-1-3 本地文件目录测试结果 attachment:cday-1-test-local-file.png

• 嗯嗯嗯，看着就不同,根据理解继续尝试是否理解

图 CDay-1-4 另一些测试结果(使用unicode) attachment:cday-1-test-unicode.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!