lanyuanxiaoyao
15b63800a8
- 创建 scripts/ 目录作为核心代码根目录 - 移动 core/, readers/, utils/ 到 scripts/ 下 - 移动 config.py, lyxy_document_reader.py 到 scripts/ - 移动 encoding_detection.py 到 scripts/utils/ - 更新 pyproject.toml 中的入口点路径和 pytest 配置 - 更新所有内部导入语句为 scripts.* 模块 - 更新 README.md 目录结构说明 - 更新 openspec/config.yaml 添加目录结构说明 - 删除无用的 main.py 此变更使项目结构更清晰，便于区分核心代码与测试、文档等支撑文件。
63 lines
1.7 KiB
Python
63 lines
1.7 KiB
Python
"""文件编码自动检测模块。"""
|
|
|
|
from typing import Optional, Tuple
|
|
|
|
from scripts.config import Config
|
|
|
|
|
|
def detect_encoding(file_path: str) -> Tuple[Optional[str], Optional[str]]:
|
|
"""
|
|
检测文件编码。
|
|
|
|
Args:
|
|
file_path: 文件路径
|
|
|
|
Returns:
|
|
(encoding, error): 成功时返回 (编码名称, None)，失败时返回 (None, 错误信息)
|
|
"""
|
|
try:
|
|
import chardet
|
|
except ImportError:
|
|
return None, "chardet 库未安装"
|
|
|
|
try:
|
|
with open(file_path, 'rb') as f:
|
|
raw_data = f.read()
|
|
result = chardet.detect(raw_data)
|
|
return result['encoding'], None
|
|
except Exception as e:
|
|
return None, f"编码检测失败: {str(e)}"
|
|
|
|
|
|
def read_text_file(file_path: str) -> Tuple[Optional[str], Optional[str]]:
|
|
"""
|
|
读取文本文件，自动检测编码。
|
|
|
|
首先使用 chardet 检测编码，如果失败则尝试配置的回退编码列表。
|
|
|
|
Args:
|
|
file_path: 文件路径
|
|
|
|
Returns:
|
|
(content, error): 成功时返回 (文件内容, None)，失败时返回 (None, 错误信息)
|
|
"""
|
|
# 尝试使用 chardet 检测编码
|
|
encoding, error = detect_encoding(file_path)
|
|
|
|
if error:
|
|
# chardet 失败，使用回退编码列表
|
|
for enc in Config.FALLBACK_ENCODINGS:
|
|
try:
|
|
with open(file_path, 'r', encoding=enc) as f:
|
|
return f.read(), None
|
|
except UnicodeDecodeError:
|
|
continue
|
|
return None, "无法识别文件编码"
|
|
|
|
# 使用检测到的编码读取文件
|
|
try:
|
|
with open(file_path, 'r', encoding=encoding) as f:
|
|
return f.read(), None
|
|
except Exception as e:
|
|
return None, f"读取文件失败: {str(e)}"
|