前言
公司最近几个项目在申请软著和专利,申请过的小伙伴都知道,申请软著的时候,
需要提交一份word代码.
早上刚来的时候看到同事在:
Run_申请软著();
路过接水的时候看到同事依然在:
Run_申请软著();
路过上厕所的时候看到同事依然在:
Run_申请软著();
路过上开会的时候看到同事依然在:
Run_申请软著();
中午的时候看到同事依然在:
Run_申请软著();
…
省略99+次;
…
省略99+次;
…
晚上下班的时候看到同事竟然还在:
Run_申请软著();
为了简化说明,我提出来了公共部分:
Run_申请软著():{ 项目=项目0 loop(1): { start: //1.打开[项目]源码目录; //2.打开[项目]源码中的其他子目录; //3.找到[项目]中:{.c,.cpp,.h,...}源码; //3-1.打开找到的{.c,.cpp,.h,...}源码; //3-2.复制找到的{.c,.cpp,.h,...}源码; //3-3.粘贴找到的{.c,.cpp,.h,...}源码 到 word中; //4.调整word格式; //5.挨个删除每一行回车换行符; //6.挨个删除每一行空白的行; //7.保存 end: jump start; } }
Python: 该我上场了
Python牛鼻.
我比较喜欢在做事情之前先分析一把,这样在真正做的时候,也能减小出错率;
其实流程就是下面这个:
Run_申请软著():{ 项目=项目0 loop(1): { start: //1.打开[项目]源码目录; //2.打开[项目]源码中的其他子目录; //3.找到[项目]中:{.c,.cpp,.h,...}源码; //3-1.打开找到的{.c,.cpp,.h,...}源码; //3-2.复制找到的{.c,.cpp,.h,...}源码; //3-3.粘贴找到的{.c,.cpp,.h,...}源码 到 word中; //4.调整word格式; //5.挨个删除每一行回车换行符; //6.挨个删除每一行空白的行; //7.保存 end: jump start; } }
目录接口大概如下:
zhenghui@zh-pc:/软著代码$ tree ./ |grep -E -v ".txt|.c|.h" ./ ├── 项目A │ ├── master │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp │ ├── slave │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp │ └── ui │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp ├── 项目B │ ├── master │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp │ ├── slave │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp │ └── ui │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp ├── 项目C │ ├── master │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp │ ├── slave │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp │ └── ui │ │ ├── a.c │ │ ├── a.h │ │ ├── b.cpp └── └──
核心：
1、编码类型不一样,因为编码的风格以前没统一,导致了有的是UTF-8,GB2312,Windows-1254,Windows-1252,GBK等等各种编码格式都有,导致了有些数据python无法直接解析,需要手动指定编码格式才行.天呢,这么多代码,手动指定,不得累死,就查了下,可以这样做:
首先根据文件判断以下文件的编码类型:
# 获取文件类型 def get_files_encoding_type(file_dir): # 判断文件的编码类型 enc = "" with open(file_dir, 'rb') as file: # 验证该文件的字符编码类型 encoding_message = chardet.detect(file.read()) enc = encoding_message['encoding'] # GB2312，GBK，GB18030，是兼容的，包含的字符个数：GB2312 < GBK < GB18030 # "Windows-1254" and "Windows-1252" 也统一让gb18030处理,后面需要抑制一下报错 if enc == "GB2312" or enc == "GBK" or enc == "Windows-1254" or enc == "Windows-1252": enc = "gb18030" return enc
然后在读取文件的时候,抑制以下error:
# 读源代码文件 errors='ignore':忽略报错 file = open(read_dir, 'r', encoding=enc, errors='ignore')
2、源代码中可能存在一些.ini,.txt,makefile等类似的配置文件，我不需要，所以需要判断以下：
# 判断是否为想要的文件格式 def verify_file_type(file_path): flag = False # 判断文件后缀 file_suffix = os.path.splitext(file_path)[-1] # .c/.h/.cpp if file_suffix == ".h" or file_suffix == ".c" or file_suffix == ".cpp": flag = True return flag
全部代码：
```python # -*- coding: UTF-8 -*- import os import chardet # 是否输出文件名 # _printf_src_name = False _printf_src_name = True # 获取文件类型 def get_files_encoding_type(file_dir): # 判断文件的编码类型 enc = "" with open(file_dir, 'rb') as file: # 验证该文件的字符编码类型 encoding_message = chardet.detect(file.read()) enc = encoding_message['encoding'] # GB2312，GBK，GB18030，是兼容的，包含的字符个数：GB2312 < GBK < GB18030 # "Windows-1254" and "Windows-1252" 也统一让gb18030处理,后面需要抑制一下报错 if enc == "GB2312" or enc == "GBK" or enc == "Windows-1254" or enc == "Windows-1252": enc = "gb18030" return enc # 读取文件并写入新文件 def read_and_write_file(read_dir, enc, save_file): # 是否在首行写入源代码名字 if _printf_src_name: dirarray = read_dir.split("/") curr_save_file_name = dirarray[len(dirarray) - 1] # 第一行写入源代码文件的名字 save_file.write(("//"+ curr_save_file_name +":").encode()) save_file.write("\n".encode()) # 读源代码文件 errors='ignore':忽略报错 file = open(read_dir, 'r', encoding=enc, errors='ignore') for line in file: if (len(line) > 0): # 跳过空行 if line.isspace() == False: # 替换换行符 res = line.replace('\n', '') # write file save_file.write(res.encode()) save_file.write("\n".encode()) # 判断是否为想要的文件格式 def verify_file_type(file_path): flag = False # 判断文件后缀 file_suffix = os.path.splitext(file_path)[-1] # .c/.h/.cpp if file_suffix == ".h" or file_suffix == ".c" or file_suffix == ".cpp": flag = True return flag # 递归遍历目录 def traversal_files_save_txt(dir_path, save_file): for dir in os.listdir(dir_path): dir = os.path.join(dir_path, dir) # 判断当前目录是否为文件 if os.path.isfile(dir): # 判断文件后缀 if verify_file_type(dir): # 判断文件的编码类型, enc = get_files_encoding_type(dir) if enc == "": continue; # 写文件 read_and_write_file(dir, enc, save_file) else: print(dir, "不支持,该文件不是源代码文件") # 判断当前目录是否为文件夹 if os.path.isdir(dir): traversal_files_save_txt(dir, save_file) def traversal_files_to_txt(dir_path): for dir in os.listdir(dir_path): # 如果是目录就以目录的名字创建一个txt文件存储这个目录中的代码 save_file_name = dir + ".txt" if _printf_src_name: save_file_name = dir + "-首行带源文件名.txt" save_dir = os.path.join(dir_path, dir) if os.path.isdir(save_dir): save_txt_file = os.path.join(dir_path, save_file_name) print("save_path=", save_dir, save_txt_file) # open save file text save_file = open(save_txt_file, 'wb+') # write .c .cpp .h to txt file traversal_files_save_txt(save_dir, save_file) if __name__ == '__main__': dir_path = r'./软著代码/' traversal_files_to_txt(dir_path)
