zip เป็นชนิดไฟล์บีบอัดที่เป็นที่นิยมใช้เพื่อเก็บข้อมูลหรือส่งต่อไปมาได้สะดวก

ปกติแล้วทั้งใน windows mac linux ก็มีโปรแกรมที่ใช้ในการสร้างหรือแตกไฟล์ zip ได้ง่ายอยู่แล้ว แต่ก็อาจเจอปัญหาขัดข้องต่างๆ เช่นการที่หลังแตกไฟล์ออกมาแล้วได้ชื่อไฟล์ออกมาเป็นอักษรแปลกๆ ซึ่งเป็นผลจากการเอนโค้ดชื่อผิดพลาด นี่เป็นปัญหาที่พบได้บ่อยๆ

ในบทความนี้จะแนะนำวิธีจัดการกับไฟล์ .zip ด้วยการเขียนโปรแกรมภาษาไพธอน ซึ่งทำได้โดยใช้มอดูลชื่อ zipfile ซึ่งเป็นมอดูลติดตัวที่มีอยู่ในไพธอนตั้งแต่แรกสามารถ import เรียกใช้ได้เลยโดยไม่ต้องลงเพิ่ม

นอกจากนี้แล้วในที่นี้จะเขียนถึงเกี่ยวกับวิธีการรับมือกับปัญหาเรื่องเอนโค้ดชื่อด้วย




การแตกไฟล์ใน zip ทั้งหมดทีเดียว介

มอดูล zipfile สามารถแตกไฟล์ .zip ได้โดยสร้างออบเจ็กต์ ZipFile เพื่อทำการเปิดไฟล์ขึ้นมา แล้วใช้เมธอดต่างๆภายในออบเจ็กต์นั้นเพื่อจัดการทำอะไรต่างๆตามที่ต้องการ

วิธีการจัดการนั้นมีหลายอย่าง มีหลายฟังก์ชันที่ใช้ได้ แต่วิธีที่รวบรัดและใช้ที่ง่ายที่สุดก็คือใช้เมธอด .extractall() ซึ่งแค่ใช้ก็จะแตกไฟล์ทั้งหมดภายในไฟล์ .zip นั้นลงไปยังที่ที่ต้องการทันที

ตัวอย่างการใช้

ในที่นี้ 'r' ที่ใส่อยู่ด้านหลังชื่อและพาธไฟล์เป็นตัวบอกให้รู้ว่าเราเปิดไฟล์ขึ้นมาเพื่ออ่านเฉยๆ ไม่มีการแก้ไขไฟล์ ถ้าหากจะแก้ก็ให้ใส่เป็น 'w' เพียงแต่ว่าจริงๆแล้ว 'r' นั้นเป็นค่าตั้งต้นอยู่แล้ว ดังนั้นถ้าเป็นการเปิดอ่านเพื่อแตกไฟล์แบบนี้จะละ 'r' ก็ได้

ปกติแล้วหลังจากเปิดไฟล์ .zip ด้วย ZipFile แล้วใช้เสร็จควรจะต้องสั่ง .close() เพื่อปิดไฟล์ลงด้วย โดยรวมแล้ววิธีการใช้งานมีลักษณะใกล้เคียงกับเวลาที่ใช้ฟังก์ชัน open เพื่อเปิดไฟล์ทั่วไป

และก็สามารถใช้ with ได้เช่นกัน เพื่อจะได้ไม่ต้องมาปิดด้วย close ตอนหลัง (รายละเอียดเรื่องนี้อ่านได้ใน ไพธอนเบื้องต้น บทที่ ๑๗)

เพียงเท่านี้ไฟล์ที่ถูกอัดใส่อยู่ภายในไฟล์ .zip นี้ก็จะออกมาอยู่ในโฟลเดอร์ที่ระบุไว้

แต่อย่างไรก็ตาม บ่อยครั้งที่พบว่ามันไม่ใช่ง่ายๆดายเช่นนั้น อาจเกิด error ขึ้นมา หรือไปดูไฟล์ที่แตกออกมาแล้วออกมาเป็นชื่อแปลกๆ ซึ่งเกิดจากปัญหาเรื่อง encoding ตอนที่ทำการยัดไฟล์ขึ้นมานั่นเอง และไฟล์แต่ละตัวภายใน .zip ตัวเดียวกันนี้ก็อาจถูก encoding ต่างกันออกไปอีก สร้างความวุ่นวายไม่น้อย

เพื่อที่จะแก้ปัญหานี้ อาจทำได้โดยเขียนโค้ดมาวิเคราะห์ไฟล์ที่อยู่ข้างในทีละตัว




การดูชื่อไฟล์ทั้งหมดภายใน zip介

เราสามารถดูชื่อไฟล์ทังหมดที่ถูกบรรจุอยู่ภายในไฟล์ .zip ได้โดยใช้เมธอด .namelist() ซึ่งจะได้ออกมาเป็นลิสต์ที่แสดงชื่อไฟล์ทั้งหมด

อาจลองทำการเปิดไฟล์ .zip ขึ้นมาแล้วเอามา print ดูว่ามีชื่อแปลกๆอยู่ในนี้หรือไม่

ลองดูว่ามีชื่อไฟล์ที่ออกมาเป็นตัวหนังสือแปลกๆที่อ่านไม่รู้เรื่องหรือเปล่า ถ้ามีละก็ พอแตกไฟล์ออกมาโดยใช้ .extractall() ก็จะออกมาเป็นชื่อนี้ด้วยเหมือนกัน ต้องมาหาทางรับมือกันต่อไป




การดูข้อมูลแต่ละไฟล์ใน zip介

ข้อมูลของไฟล์ทั้งหมดภายใน .zip จะถูกเก็บอยู่ในออบเจ็กต์ ZipFile เราสามารถใช้เมธอด .infolist() เพื่อให้ข้อมูลของไฟล์แต่ละตัวใน zip ทั้งหมดได้ในทีเดียว

เช่นลองเปิดแล้วให้แสดงข้อมูลไฟล์ข้างในทั้งหมด

ข้อมูลที่ได้มานั้นจะเป็นลิสต์ของออบเจ็กต์ ZipInfo ซึ่งแต่ละตัวนี้ก็จะบรรจุข้อมูลของแต่ละไฟล์ไว้ สามารถดูค่าได้ผ่านแอตทริบิวต์ต่างๆภายในนี้

ลองใช้ for ไล่ดูข้อมูลสำคัญทีละไฟล์ได้ เช่น




การแตกไฟล์ใน zip ทีละตัว介

ตัวออบเจ็กต์ ZipInfo แต่ละตัวในลิสต์ที่ได้มาจากเมธอด .infolist() นั้นสามารถนำมาใช้เพื่อทำการแตกไฟล์ออกมาทีละตัวได้โดยใช้เมธอด .extract() โดยให้ใส่ออบเจ็กต์ ZipInfo นั้นลงไป

เช่นหากต้องการแตกไฟล์ทั้งหมดก็เขียนได้ดังนี้

ผลที่ได้ออกมานั้นจะเหมือนกับการใช้ .extractall() คือไฟล์ทั้งหมดจะถูกแตกออกมาลงในโฟลเดอร์ที่ระบุ

ซึ่งที่จริงแล้วหากจะทำแค่นี้ก็ไม่ต่างจากแค่ใช้ .extractall() แบบในตัวอย่างที่แล้ว แต่การเขียนโค้ดแตกทีละไฟล์แยกกันแบบนี้เราสามารถเพิ่มโค้ดในส่วนของการจัดการปัญหาเรื่อง encoding ลงไปได้




การแก้ปัญหา encoding介

ถ้าไฟล์ถูกบีบอัดโดย encoding เป็น utf8 อยู่แล้วโดยทั่วไปก็จะไม่มีปัญหาอะไร อย่างไรก็ตาม บ่อยครั้งที่ไฟล์ .zip มักถูกบัดอัดด้วย encoding ชนิดอื่นๆ แต่ปัญหาคือเมื่อใช้ zipfile อ่านขึ้นมาหากไม่ใช่ utf8 จะถูกถอดเป็นชนิด cp437 ไป ซึ่งผลที่ได้ก็จะทำให้ได้อักษรแปลกๆที่อ่านไม่ได้

เมื่อเป็นแบบนี้จึงต้องแก้ปัญหาโดยการทำการ encode ชื่อไฟล์เป็น cp437 แล้วก็ทำการ decode กลับเป็นชนิดข้อมูลที่ถูกต้องอีกที

ที่มักจะเบ่อยก็เช่น shift jis หรือ cp932 ที่มักใช้ในญี่ปุ่น กรณีแบบนี้ก็อาจเขียนโค้ดเป็นแบบนี้

หรืออย่างกรณีของไทยนั้นอาจจะเจอเป็น ISO 8859-11 หรือ tis620 ก็แก้เป็น .decode('tis620') เป็นต้น

ปัญหาคือปกติแล้วเราอาจจะไม่รู้หรอกว่าต้อง decode เป็นอะไร ดังนั้นอาจต้องลองไปเรื่อยๆ

วิธีหนึ่งที่อาจใช้ได้คือใช้ฟังก์ชัน chardet.detect จากมอดูล chardet แต่ก็อาจไม่ได้ผล

โดยทั่วไปหาก decode ผิดแบบมักจะเกิด error ขึ้นมา ก็จะรู้ได้ว่าไม่ใช่ ก็เปลี่ยนไปเอนโค้ดแบบอื่น ดังนั้นอาจให้ลองเอนโค้ดแบบต่างๆดูเท่าที่เป็นไปได้ โดยวนซ้ำแล้วใช้ try except แบบนี้

ในกรณีที่เป็น utf8 อยู่แล้วก็จะเกิด error ขึ้นมาเวลาที่ encode และ decode จึงไม่มีการแก้ชื่อและสามารถแตกไฟล์ได้ตามปกติตอนใช้ .extract() ในบรรทัดสุดท้ายเช่นกัน




การรับมือกับปัญหาเรื่อง "/" และ "\" ใน windows介

วิธีการ encode ไปแล้ว decode กลับดังที่เขียนไปข้างต้นนั้นน่าจะได้ผลในกรณีส่วนมาก อย่างไรก็ตามอาจจะยังมีปัญหาอยู่อีก โดยเฉพาะในกรณีที่ใช้ windows เนื่องจากใน windows จะใช้ "\" (แบ็กสแลช) เป็นตัวคั่นระหว่างชื่อโฟลเดอร์ ต่างจาก mac หรือ linux ที่ใช้ "/" (ทับ) ซึ่งมักจะปัญหาน้อยกว่า

บ่อยครั้งที่ถูกแปลงเป็น "/" โดยอัตโนมัติ เวลาอ่านไฟล์ .zip ในไพธอนเองก็เช่นกัน ซึ่งพอเป็นแบบนี้ก็อาจทำให้เกิดข้อผิดพลาดขึ้นมาเวลาทำการ encode ได้

เพื่อที่จะแก้ปัญหานี้ อาจทำโดยการแปลง "/" เป็น "\" แล้วตอนหลังค่อยแปลงกลับอีกที เช่น




กรณีที่ไฟล์ zip มีการใส่รหัสผ่าน介

ไฟล์ zip นั้นตอนที่บีบอัดสามารถตั้งรหัสผ่านเพื่อป้องกันไว้ไม่ให้ใครๆก็เปิดอ่านได้ ซึ่งในกรณีแบบนั้นเมื่อจะแตกไฟล์โดยใช้ .extract() หรือ .extractall() ก็ใส่รหัสผ่านนั้นลงในคีย์เวิร์ด pwd แบบนี้

หรือหากต้องเขียนโค้ดรับมือกับปัญหา encoding ชื่อไปด้วย




สรุปทิ้งท้าย介

ไพธอนมีมอดูล zipfile ไว้สำหรับแตกไฟล์ .zip ได้สะดวกดี แต่ก็อาจเจอปัญหาเรื่อง encoding ซึ่งต้องทำความเข้าใจเพิ่มเติมจึงสามารถเขียนโค้ดเพื่อจัดการรับมือกับเรื่องนี้ได้

นอกจากนี้แล้ว zipfile ยังใช้สำหรับทำการบีบอัดไฟล์เพื่อสร้างไฟล์ .zip ขึ้นมาได้ด้วย ซึ่งเนื้อหาตรงนี้ก็มีรายละเอียดอีกมาก จะแยกไปเขียนต่อเป็นอีกบทความอีกที

ส่วนไฟล์บีบอัดชนิดอื่นก็มีมอดูลอื่นสำหรับใช้จัดการได้ต่างกันออกไป เช่น .rar นั้นก็มีมอดูลชื่อ rarfile เพียงแต่ไม่ใช่มอดูลที่มีอยู่แต่แรกในไพธอน ต้องติดตั้งเพิ่มเติม เรื่อง rarfile นี้จะก็เขียนถึงต่อไปในโอกาสหน้า




อ้างอิง