【每日一坑 6】 查找文件内容

crossin先生

Hello 大家好，我终于又来挖坑了。

上次的坑好像反响不是很好，论坛上只有两份解答。其实这题难度不大，不用什么特殊的函数来解决，就是字符串、队列的各种操作，可能会比较烦。如果你要用 python 来处理数据、文件，抓取网页等等，最后也都逃不过各种字符串和队列的操作。

这题本来定的比较宽松，你可以选择按标点划分成新队列，或者按照固定长度划分新队列，然后再按照元素在队列中的位置，重新整合成新队列输出。具体实现就不在微信里发了。

之前说过要挖几个跟文件相关的坑。今天就是在之前“查找文件”的基础上，增加对文件内容的检索。仍然是设定某个文件夹，不同的是要再增加一个文本参数，然后列出这个文件夹（含所有子文件夹）里，所有文件内容包括这个搜索文本的文件。

FERRYMAN

crossin先生 发表于 2021-2-16 22:33
看你具体什么需求，如果是需要检索的话，那确实是要的

作为这个练习来说，能做到检索txt内容和其他文件 ...

好的，谢谢老师

crossin先生

FERRYMAN 发表于 2021-2-13 21:05
老师，我还有些问题。

报错UnicodeDecodeError的原因就是文件夹里的Word无法直接读是吗？

看你具体什么需求，如果是需要检索的话，那确实是要的

作为这个练习来说，能做到检索txt内容和其他文件的名字就够了

FERRYMAN

crossin先生 发表于 2021-2-13 20:14
word无法直接当做文本读写，可以通过异常处理来跳过。或者要用 python-docx库打开 ...

老师，我还有些问题。

报错UnicodeDecodeError的原因就是文件夹里的Word无法直接读是吗？
如果是，那如果文件夹里还有Excel，PPT之类，也要把那些库一个一个下载来用是吗？应该怎么办？

crossin先生

FERRYMAN 发表于 2021-2-13 19:24
老师好，能看看嘛？望得到您的建议。

这个程序有些问题。比如我在文件夹中加上一个Word文件，它就会报错。 ...

word无法直接当做文本读写，可以通过异常处理来跳过。或者要用 python-docx库打开

FERRYMAN

老师好，能看看嘛？望得到您的建议。

这个程序有些问题。比如我在文件夹中加上一个Word文件，它就会报错。大概是这样：
UnicodeDecodeError: 'utf-8' codec can't decode byte 0x82 in position 89: illegal multibyte sequence
老师能解释一下和提供个解决方法吗？谢谢啦！

1. import os
   
2. 
   
3. text = input('输入要检索的内容:\n')
   
4. way = input('输入要检索的文件夹位置:\n')
   
5. result = []
   
6. 
   
7. for root, dirs, files in os.walk(way):
   
8.     for f in files:
   
9.         file_con = open(root + '\\' + f,encoding = 'utf-8').read()
   
10.         if text in file_con:
    
11.             result.append(f)
    
12. print(result)
    

复制代码

crossin先生

jodie 发表于 2020-10-14 23:22

实际运用中，因为文件夹下可能有很多非文本文件，所以最好加上异常处理，避免报错跳出

jodie

1. import os
   
2. import chardet
   
3. 
   
4. def match(search_path,match_text):
   
5.     result_list = []
   
6. 
   
7.     for root, dirs, files in os.walk(search_path):
   
8.         # 遍历所有的文件
   
9.         for file in files:
   
10.             # 判断文件名是否以“.txt”结尾
    
11.             if file.endswith(".txt"):
    
12. 
    
13.                 # 获取文件的绝对路径
    
14.                 file_path = os.path.join(root,file)
    
15.                 # print(file_path)
    
16. 
    
17.                 # 判断文件的编码格式
    
18.                 with open(file_path, "rb") as obj1:
    
19.                     text_b = obj1.read()
    
20.                     text_encoding = chardet.detect(text_b)["encoding"]
    
21.                     # print(text_encoding)
    
22. 
    
23.                 # 用指定的编码格式打开文件，判断文本参数是否存在于文件内容
    
24.                 with open(file_path, "r", encoding=text_encoding) as obj2:
    
25.                     text = obj2.read()
    
26.                     if match_text in text:
    
27.                         result_list.append(file_path)
    
28. 
    
29.     return result_list
    
30. 
    
31. 
    
32. if __name__ == "__main__":
    
33. 
    
34.     # 提示用户输入路径
    
35.     while True:
    
36.         search_path = input("请输入搜索路径： ").strip()
    
37.         # 判断路径是否存在
    
38.         if os.path.exists(search_path):
    
39.             break
    
40.         print("路径不存在！")
    
41.     # 提示用户输入匹配的文字
    
42.     match_text = input("请输入匹配的文字： ")
    
43.     file_list = match(search_path,match_text)
    
44.     # 展示匹配到的文件
    
45.     print("匹配到的文件如下： ")
    
46.     for one in file_list:
    
47.         print(one)

复制代码

highhig

crossin先生 发表于 2014-1-2 10:30
open只是在python打开，把内容读入内存，不会调用任何其他程序打开。但这个过程是很慢的。所以虽然可以实 ...

import os
import re
dirnme = 'E:\Study during Graduate school'
list_dir = []
for dirnow,folds,files in os.walk(dirnme):
    # print(dirnow)
    # print(folds)
    # print(files)
    for fs in files:
        # print(fs)
        filtext = re.findall('.txt',fs)
        if filtext:
            list_dir.append(os.path.join(dirnow, fs))
    # filtext = re.findall("*.txt",files)
    # list_dir.append(''.join(dirnow,files))
print(list_dir)

crossin先生

coolqing 发表于 2018-5-16 16:48
我这边自己建了一个文件夹，里面放了一个子文件夹，一些txt、excel和word文件。
运行代码后，txt文件正常显 ...

excel、word是不能直接读取的，要读写的话，需要用专门的库
公众号回复 excel 有介绍