φυβλαςのβλογ
phyblas的博客



การแตกไฟล์ .zip ด้วย python โดยใช้มอดูล zipfile
เขียนเมื่อ 2021/09/09 11:26
แก้ไขล่าสุด 2024/02/17 16:24
 

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

มอดูล zipfile สามารถแตกไฟล์ .zip ได้โดยสร้างออบเจ็กต์ ZipFile เพื่อทำการเปิดไฟล์ขึ้นมา แล้วใช้เมธอดต่างๆภายในออบเจ็กต์นั้นเพื่อจัดการทำอะไรต่างๆตามที่ต้องการ

วิธีการจัดการนั้นมีหลายอย่าง มีหลายฟังก์ชันที่ใช้ได้ แต่วิธีที่รวบรัดและใช้ที่ง่ายที่สุดก็คือใช้เมธอด .extractall() ซึ่งแค่ใช้ก็จะแตกไฟล์ทั้งหมดภายในไฟล์ .zip นั้นลงไปยังที่ที่ต้องการทันที

ตัวอย่างการใช้
import zipfile # สั่ง import เรียกใช้มอดูล สำหรับในตัวอย่างถัดไปจะละบรรทัดนี้ แต่ก็ใช้ import zipfile แบบนี้เหมือนกันตลอด

zf = zipfile.ZipFile(ชื่อและพาธไฟล์,'r') # เปิดไฟล์ .zip
zf.extractall(โฟลเดอร์ที่จะแตกใส่) # แตกไฟล์ทั้งหมด
zf.close() # ปิดไฟล์ .zip

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)
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    zf.extractall(โฟลเดอร์ที่จะแตกใส่)

เพียงเท่านี้ไฟล์ที่ถูกอัดใส่อยู่ภายในไฟล์ .zip นี้ก็จะออกมาอยู่ในโฟลเดอร์ที่ระบุไว้

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

เพื่อที่จะแก้ปัญหานี้ อาจทำได้โดยเขียนโค้ดมาวิเคราะห์ไฟล์ที่อยู่ข้างในทีละตัว




การดูชื่อไฟล์ทั้งหมดภายใน zip

เราสามารถดูชื่อไฟล์ทังหมดที่ถูกบรรจุอยู่ภายในไฟล์ .zip ได้โดยใช้เมธอด .namelist() ซึ่งจะได้ออกมาเป็นลิสต์ที่แสดงชื่อไฟล์ทั้งหมด

อาจลองทำการเปิดไฟล์ .zip ขึ้นมาแล้วเอามา print ดูว่ามีชื่อแปลกๆอยู่ในนี้หรือไม่
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    print(zf.namelist())

ลองดูว่ามีชื่อไฟล์ที่ออกมาเป็นตัวหนังสือแปลกๆที่อ่านไม่รู้เรื่องหรือเปล่า ถ้ามีละก็ พอแตกไฟล์ออกมาโดยใช้ .extractall() ก็จะออกมาเป็นชื่อนี้ด้วยเหมือนกัน ต้องมาหาทางรับมือกันต่อไป




การดูข้อมูลแต่ละไฟล์ใน zip

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

เช่นลองเปิดแล้วให้แสดงข้อมูลไฟล์ข้างในทั้งหมด
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    print(zf.infolist())

ข้อมูลที่ได้มานั้นจะเป็นลิสต์ของออบเจ็กต์ ZipInfo ซึ่งแต่ละตัวนี้ก็จะบรรจุข้อมูลของแต่ละไฟล์ไว้ สามารถดูค่าได้ผ่านแอตทริบิวต์ต่างๆภายในนี้

ลองใช้ for ไล่ดูข้อมูลสำคัญทีละไฟล์ได้ เช่น
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    for f in zf.infolist():
        print(f.filename) # ชื่อไฟล์
        print(f.compress_type) # ชนิดการบีบอัด
        print(f.compress_size) # ขนาดไฟล์หลังบีบอัด
        print(f.file_size) # ขนาดไฟล์ก่อนบีบอัด
        print(f.date_time) # วันเวลาที่แก้ไฟล์นั้นครั้งล่าสุด




การแตกไฟล์ใน zip ทีละตัว

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

เช่นหากต้องการแตกไฟล์ทั้งหมดก็เขียนได้ดังนี้
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    for f in zf.infolist():
        zf.extract(f,โฟลเดอร์ที่จะแตกใส่)

ผลที่ได้ออกมานั้นจะเหมือนกับการใช้ .extractall() คือไฟล์ทั้งหมดจะถูกแตกออกมาลงในโฟลเดอร์ที่ระบุ

ซึ่งที่จริงแล้วหากจะทำแค่นี้ก็ไม่ต่างจากแค่ใช้ .extractall() แบบในตัวอย่างที่แล้ว แต่การเขียนโค้ดแตกทีละไฟล์แยกกันแบบนี้เราสามารถเพิ่มโค้ดในส่วนของการจัดการปัญหาเรื่อง encoding ลงไปได้




การแก้ปัญหา encoding

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
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    for f in zf.infolist():
        f.filename = f.filename.encode('cp437').decode('cp932')
        zf.extract(f,โฟลเดอร์ที่จะแตกใส่)

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
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    for f in zf.infolist(): # ไล่ดูแต่ละไฟล์
        for encoding in ['tis620','gbk','Windows-1254','cp932']: # ไล่วนลองการเอนโค้ดแบบต่างๆ
            try:
                f.filename = f.filename.encode('cp437').decode(encoding)
                break # ถ้าถอดโค้ดได้ถูกต้องก็แก้ชื่อไฟล์ แล้วสิ้นสุด for ด้านใน
            except:
                continue # ถ้ามีข้อผิดพลาดก็วนต่อใช้ตัวเอนโค้ดตัวต่อไป
        zf.extract(f,โฟลเดอร์ที่จะแตกใส่) # แตกไฟล์หลังจากที่แก้ชื่อแล้ว

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




การรับมือกับปัญหาเรื่อง "/" และ "\" ใน windows

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
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    for f in zf.infolist():
        for encoding in ['tis620','gbk','cp932','Windows-1254']:
            try:
                f.filename = f.filename.replace('/','\\').encode('cp437').decode(encoding).replace('\\','/')
                break
            except:
                0
        zf.extract(f,โฟลเดอร์ที่จะแตกใส่)




กรณีที่ไฟล์ zip มีการใส่รหัสผ่าน

ไฟล์ zip นั้นตอนที่บีบอัดสามารถตั้งรหัสผ่านเพื่อป้องกันไว้ไม่ให้ใครๆก็เปิดอ่านได้ ซึ่งในกรณีแบบนั้นเมื่อจะแตกไฟล์โดยใช้ .extract() หรือ .extractall() ก็ใส่รหัสผ่านนั้นลงในคีย์เวิร์ด pwd แบบนี้
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    zf.extractall(โฟลเดอร์ที่จะแตกใส่,pwd=รหัสผ่าน)

หรือหากต้องเขียนโค้ดรับมือกับปัญหา encoding ชื่อไปด้วย
with zipfile.ZipFile(ชื่อและพาธไฟล์) as zf:
    for f in zf.infolist():
        '''(โค้ดส่วนที่จัดการปัญหาเรื่อง encoding ชื่อ)'''
        zf.extract(f,โฟลเดอร์ที่จะแตกใส่,pwd=รหัสผ่าน)




สรุปทิ้งท้าย

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


-----------------------------------------

囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧

ดูสถิติของหน้านี้

หมวดหมู่

-- คอมพิวเตอร์ >> เขียนโปรแกรม >> python

ไม่อนุญาตให้นำเนื้อหาของบทความไปลงที่อื่นโดยไม่ได้ขออนุญาตโดยเด็ดขาด หากต้องการนำบางส่วนไปลงสามารถทำได้โดยต้องไม่ใช่การก๊อปแปะแต่ให้เปลี่ยนคำพูดเป็นของตัวเอง หรือไม่ก็เขียนในลักษณะการยกข้อความอ้างอิง และไม่ว่ากรณีไหนก็ตาม ต้องให้เครดิตพร้อมใส่ลิงก์ของทุกบทความที่มีการใช้เนื้อหาเสมอ

目录

从日本来的名言
模块
-- numpy
-- matplotlib

-- pandas
-- manim
-- opencv
-- pyqt
-- pytorch
机器学习
-- 神经网络
javascript
蒙古语
语言学
maya
概率论
与日本相关的日记
与中国相关的日记
-- 与北京相关的日记
-- 与香港相关的日记
-- 与澳门相关的日记
与台湾相关的日记
与北欧相关的日记
与其他国家相关的日记
qiita
其他日志

按类别分日志



ติดตามอัปเดตของบล็อกได้ที่แฟนเพจ

  查看日志

  推荐日志

ตัวอักษรกรีกและเปรียบเทียบการใช้งานในภาษากรีกโบราณและกรีกสมัยใหม่
ที่มาของอักษรไทยและความเกี่ยวพันกับอักษรอื่นๆในตระกูลอักษรพราหมี
การสร้างแบบจำลองสามมิติเป็นไฟล์ .obj วิธีการอย่างง่ายที่ไม่ว่าใครก็ลองทำได้ทันที
รวมรายชื่อนักร้องเพลงกวางตุ้ง
ภาษาจีนแบ่งเป็นสำเนียงอะไรบ้าง มีความแตกต่างกันมากแค่ไหน
ทำความเข้าใจระบอบประชาธิปไตยจากประวัติศาสตร์ความเป็นมา
เรียนรู้วิธีการใช้ regular expression (regex)
การใช้ unix shell เบื้องต้น ใน linux และ mac
g ในภาษาญี่ปุ่นออกเสียง "ก" หรือ "ง" กันแน่
ทำความรู้จักกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง
ค้นพบระบบดาวเคราะห์ ๘ ดวง เบื้องหลังความสำเร็จคือปัญญาประดิษฐ์ (AI)
หอดูดาวโบราณปักกิ่ง ตอนที่ ๑: แท่นสังเกตการณ์และสวนดอกไม้
พิพิธภัณฑ์สถาปัตยกรรมโบราณปักกิ่ง
เที่ยวเมืองตานตง ล่องเรือในน่านน้ำเกาหลีเหนือ
ตระเวนเที่ยวตามรอยฉากของอนิเมะในญี่ปุ่น
เที่ยวชมหอดูดาวที่ฐานสังเกตการณ์ซิงหลง
ทำไมจึงไม่ควรเขียนวรรณยุกต์เวลาทับศัพท์ภาษาต่างประเทศ