[Python] Normalizar nomes de ficheiros e pastas

[Battousai]

Bem, estou a iniciar-me em python, estou mesmo muito verdinho.

Resolvi fazer uma função que permite normalizar nomes de ficheiros e pastas, substituindo os caracteres especiais e desnecessários, para uso na net, ou quem sabe mesmo no vosso pc.

Agradecia sugestões, comentários e críticas para melhorar, visto que Python é bastante diferente de todas as outras linguagens em que mexi até agora. Obrigado.

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
# @ author:  Mauro Pinto

from os.path import splitext
from re import sub

def Sanitize(badString, filetype = False):

   if type( badString ) != type(""): return False

   bad = ['Š','Ž','š','ž','Ÿ','À','Á','Â','Ã','Ä','Å','Ç',
          'È','É','Ê','Ë','Ì','Í','Î','Ï','Ñ','Ò','Ó','Ô',
          'Õ','Ö','Ø','Ù','Ú','Û','Ü','Ý','à','á','â','ã',
          'ä','å','ç','è','é','ê','ë','ì','í','î','ï','ñ',
          'ò','ó','ô','õ','ö','ø','ù','ú','û','ü','ý','ÿ',
          'Þ','þ','Ð','ð','ß','Œ','œ','Æ','æ','µ','”',"'",
          '“','”',"\n","\r",'_']
   good = ['S','Z','s','z','Y','A','A','A','A','A','A','C',
           'E','E','E','E','I','I','I','I','N','O','O','O',
           'O','O','O','U','U','U','U','Y','a','a','a','a',
           'a','a','c','e','e','e','e','i','i','i','i','n',
           'o','o','o','o','o','o','u','u','u','u','y','y',
           'TH','th','DH','dh','ss','OE','oe','AE','ae','u',
           '','','','','','','-']

   for x in range( 0, len( bad ) ): badString = badString.replace( bad[x], good[x] )

   badString = [sub("[^A-Za-z0-9\-]", "", sub("\s+", "-", s ) ) for s in splitext( badString.strip() )]

   return (badString[0] + (filetype and "." or "") + badString[1]).lower()

if __name__ == "__main__":

   print Sanitize("çççÇÇÇÇÇççççàÀëóíé~^;;;,qweqweW..", False)
   print Sanitize("asd.asd.asd.asd.asd.cmd", True)

[djthyrax]

Esse loop foi bem pensado. 👍

Mas se tivesses no bad letras que já tenhas no good, isso pode dar buraco. Eu faria antes:

def rep(x):
global bad, good
for i in range(0, len(bad)):
  if bad[i] is x: return good[i]
return x

map(rep, badString)

[Battousai]

hum, chegas-te a testar isso? aqui dá bronca, supondo que estejas a falar disto:

def rep(x):
    global bad, good
    for i in range(0, len(bad)):
        if bad[i] is x: return good[i]
    return x

def Sanitize(badString, filetype = False):

    if type(badString) != type(""): return False
    
    global bad,good
    
    #list = zip( bad, good )
    
    nova = str( map(rep,badString) )
    
    #for couple in list:
    #    badString = badString.replace(couple[0], couple[1])
    
    split = map(lambda txt:re.sub("[^A-Za-z0-9\-]", "", re.sub("\s+", "-", txt ) ),[s for s in os.path.splitext( nova.strip() )])

    return (split[0] + (filetype and "." or "") + split[1]).lower()

bad = ['Š','Ž','š','ž','Ÿ','À','Á','Â','Ã','Ä','Å','Ç',
       'È','É','Ê','Ë','Ì','Í','Î','Ï','Ñ','Ò','Ó','Ô',
       'Õ','Ö','Ø','Ù','Ú','Û','Ü','Ý','à','á','â','ã',
       'ä','å','ç','è','é','ê','ë','ì','í','î','ï','ñ',
       'ò','ó','ô','õ','ö','ø','ù','ú','û','ü','ý','ÿ',
       'Þ','þ','Ð','ð','ß','Œ','œ','Æ','æ','µ','”',"'",
       '“','”',"\n","\r",'_']
good = ['S','Z','s','z','Y','A','A','A','A','A','A','C',
        'E','E','E','E','I','I','I','I','N','O','O','O',
        'O','O','O','U','U','U','U','Y','a','a','a','a',
        'a','a','c','e','e','e','e','i','i','i','i','n',
        'o','o','o','o','o','o','u','u','u','u','y','y',
        'TH','th','DH','dh','ss','OE','oe','AE','ae','u',
        '','','','','','','-']

[djthyrax]

Não é str(map()), é ''.join(map()), sorry 'bout that.

[Battousai]

o

 if bad[i] is x:

não funca aqui

[Battousai]

opa deixa la isso, também quem é que vai alterar os caracteres e metê-los repetidos?

só doidos! 👍

[Ivo Pereira]

opa deixa la isso, também quem é que vai alterar os caracteres e metê-los repetidos?

só doidos! 😄

                ||

                ||

                \/

mania de preguiçoso 😛 xD

[Rui Carlos]

Vocês estão a percorrer o array a ver qual a posição no bad que ele ocupa?

Se sim, usar uma estrutura de dados tipo um map/hash devia ser bem mais eficiente...

[djthyrax]

Se sim, usar uma estrutura de dados tipo um map/hash devia ser bem mais eficiente...

Sim, tens razão. Até estava capaz de aprender mais algumas coisas de Python e criar um tipo para isso, mas estou com preguiça. 😛

[Rui Carlos]

O Python não tem nada disso?

Acho que já ouvi falar em dicionários em Python (ou se calhar foi só em Perl). Não sei que estrutura de dados têm por traz (neste caso, o ideal devia ser uma tabela de hash), mas já devia servir.

[djthyrax]

Tem, o dict, e sim, é uma tabela de hashes. Mas considero o conceito do dict muito pouco explorado, pelo que preferia re-implementá-lo.

[Battousai]

Vocês estão a percorrer o array a ver qual a posição no bad que ele ocupa?

Se sim, usar uma estrutura de dados tipo um map/hash devia ser bem mais eficiente...

A minha implementação inicial era bem mais eficiente que esta, mas editei porque ainda não sabia bem quais as estruturas mais eficientes em python e pensei que esta seria a melhor. Estava enganado... ?