在Windows中，如何使用Python复制“临时 Internet 文件”夹中的文件

Question

我正在使用这段代码来递归查找一个文件夹中的文件，要求文件大小大于50000字节。

def listall(parent):
    lis=[] 
    for root, dirs, files in os.walk(parent):
         for name in files:
             if os.path.getsize(os.path.join(root,name))>500000:                                
                   lis.append(os.path.join(root,name))
    return lis 

这个方法运行得很好。可是当我在Windows的“临时互联网文件”文件夹中使用它时，出现了一个错误。

Traceback (most recent call last):
File "<pyshell#4>", line 1, 
in <module> listall(a) File "<pyshell#2>", 
line 5, in listall if os.path.getsize(os.path.join(root,name))>500000: 
File "C:\Python26\lib\genericpath.py", line 49, in getsize return os.stat(filename).st_size WindowsError: [Error 123] The filename, directory name, or volume label syntax is incorrect: 'C:\\Documents and Settings\\khedarnatha\\Local Settings\\Temporary Internet Files\\Content.IE5\\EDS8C2V7\\??????+1[1].jpg' 

我觉得这可能是因为Windows在这个特定的文件夹中给文件命名时使用了特殊字符……请帮我解决这个问题。

Answer 1

这是因为保存的文件名‘(something)+1[1].jpg’里面有一些非ASCII字符，也就是那些不符合‘系统默认编码’的字符（有时也被误称为‘ANSI’）。

像Python这样的程序使用的是基于字节的C标准库（stdio）来访问文件，这就导致它们在处理Unicode文件名时会遇到很大的问题。在其他平台上，它们可以直接使用UTF-8编码，大家都能愉快地使用，但在Windows上，系统默认编码从来不是UTF-8，所以总会有一些字符无法用当前的编码表示。这些字符会被替换成?或者其他看起来相似的字符，当你尝试读取这些名字被搞乱的文件时，就会出现像上面那样的错误。

你得到的编码页面取决于你的地区设置：在西方的Windows安装中，它通常是cp1252（类似于ISO-8859-1，也叫‘Latin-1’），所以你只能使用这些字符。

幸运的是，比较新的Python版本（2.3及以上，根据PEP277）可以通过使用原生的Win32 API来直接支持Unicode文件名，而不是使用stdio。如果你把一个Unicode字符串传给os.listdir()，Python会使用这些原生的Unicode API，这样你就能得到包含原始字符的文件名，而不是那些被搞乱的字符。所以如果你用Unicode路径调用listall：

listall(ur'C:\Documents and Settings\khedarnatha\Local Settings\Temporary Internet Files')

它应该能正常工作。