Estou tentando fazer a listagem de uma pasta (arquivos, subpastas) em Python [2.7, no Windows XP], e estou tendo problemas com arquivos acentuados. Sei que o método os.listdir
se comporta diferente caso o argumento seja uma string simples ou uma string unicode. Meu problema é que eu tenho arquivos codificados de maneiras diferentes:
>>> import os
>>> os.listdir('teste')
['a\xb4rvore.jpg']
>>> os.listdir(u'teste')
[u'a\u0301rvore.jpg']
>>> os.listdir('teste2')
['\xe1rvore.txt']
>>> os.listdir(u'teste2')
[u'\xe1rvore.txt']
No Windows Explorer, ambos os arquivos parecem normais: árvore.jpg
e árvore.txt
. Mas enquanto o segundo é listado normalmente, o primeiro dá uma mensagem de erro não importa como eu o acesse:
def imprimir(pasta):
print pasta
for x in os.listdir(pasta):
sub = os.path.join(pasta, x)
if os.path.isfile(sub):
print sub
else:
imprimir(sub)
>>> imprimir('teste2')
teste2
teste2\ßrvore.txt
>>> imprimir(u'teste2')
teste2
teste2\árvore.txt
>>> imprimir('teste')
teste
teste\a┤rvore.jpg
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "teste.py", line 11, in imprimir
imprimir(sub)
File "teste.py", line 6, in imprimir
for x in os.listdir(pasta):
WindowsError: [Error 3] O sistema nÒo pode encontrar o caminho especificado: 'teste\\a\xb4rvore.jpg/*.*'
>>> imprimir(u'teste')
teste
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "teste.py", line 9, in imprimir
print sub
File "C:\Python27\lib\encodings\cp850.py", line 12, in encode
return codecs.charmap_encode(input,errors,encoding_map)
UnicodeEncodeError: 'charmap' codec can't encode character u'\u0301' in position 7: character maps to <undefined>
Como fazer para acessar esse outro arquivo? Não acho que ele esteja com o nome corrompido, pois a\u0301
é uma maneira válida de se produzir á
. Entretanto, não sei como acessá-lo, e tenho um volume com vários arquivos nesse formato (posso evitar produzir arquivos semelhantes no futuro, mas ainda preciso processar os já existentes), acho impraticável convertê-los à mão.
print
.