Python：ユニコード文字列のバイナリファイル（.PLM）の検索

Question

Windowsの場合、Python 2.7を使用して.PLMファイルからディレクトリ名を抽出しようとしています.PLMファイルは、パナソニックのボイスレコーダー。ボイスレコーディングのディレクトリ名を保存します。

（例：「HelloÆØÅ」フォルダに保存したい音声録音があるとすると、このボイスレコーダは「SV_VC​​001」というフォルダと「SD_VOICE.PLM」という名前のフォルダを作成します。

私はDaneですので、アスキーではサポートされていないÆ、Ø、Åの文字を使用するので、変換する必要がありますこのバイナリデータをユニコードに変換します。

これまでのところ、ディレクトリの名前は56バイト以降から格納され、0のバイトで終了することがわかりました。

322d 332d 3135 20c5 7274 6964 7320 6b72 
6564 736c f862 6574 206d 6963 6861 656c 

これはコードがある私は、これまで使用しています：

例えば、一つの記録と呼ばれるディレクトリに格納されている六角値を持っている、「2-3-15Årstidsはマイケルをkredsløbet」

# Finds the filename in the .PLM-file 
def FindFileName(File): 
    # Opens the file and points to byte 56, where the file name starts 
    f = open(File,'rb') 
    f.seek(56) 
    Name = "" 


    byte = f.read(1)  # Reads the first byte after byte 56 
    while byte != "\x00": # Runs the loop, until a NUL-character is found (00 is NUL in hex) 
     Name += str(byte) # Appends the current byte to the string Name 
     byte = f.read(1) # reads the next byte 

    f.close() 

    return Name 

これは機能します - ディレクトリ名はASCII文字のみを使用しています（ 'æ'、 'ø'または 'å'はありません）。

ただし、文字列にUnicode文字がある場合、これは他の文字に変換されます。 "2-3-15Årstidskredsløbetmichael"というディレクトリで、このプログラムは "2-3-15紅葉のマイケル賭け"

あなたは何か提案がありますか？
ありがとうございます。次のようにマーク身代金、コードからの提案を追加

EDIT

です。また、疑問符をスペースに変更し、\ xc5と\ xd8（それぞれÅとØの16進数）をåとøに変更しました。

WindowsError: [Error 123] The filename, directory name, or volume label syntax is incorrect: u'C:\\Users\\UserName\\Desktop\\TestDir\\Mapper\\13-10*14 ESSOTERISK \xc5NDSSTR\xd8MNIN' 

が文字列 "13-10 * 14 ESSOTERISKÅNDSSTRØMNIN" にする必要がありますが、ÅとØ（16進C5とD8：大文字Æ、ØとÅのために、次のエラーが発生し

def FindFileName(File): 
    # Opens the file and points to byte 56, where the file name starts 
    f = open(File,'rb') 
    f.seek(56) 
    Name = "" 


    byte = f.read(1)  # Reads the first byte after byte 56 
    while byte and (byte != "\x00"): # Runs the loop, until a NUL-character is found (00 is NUL in hex) 

     # Since there are problems with "?" in directory names, we change those to spaces 
     if byte == "?": 
      Name += " " 
     elif byte == "\xc5": 
      Name += "å" 
     elif byte == "\xd8": 
      Name += "ø" 
     else: 
      Name += byte 

    byte = f.read(1) # reads the next byte 

f.close() 

return Name.decode('mbcs') 

）がエラーを投げています。

Answer 1

Python 2では、バイナリファイルから読み込むと文字列が返されるため、strを使用する必要はありません。また、何らかの理由でファイルが整形されておらず、ゼロバイトがない場合、readは空文字列を返します。テストを少し修正して、両方の条件をチェックすることができます。

while byte and (byte != "\x00"): # Runs the loop, until a NUL-character is found (00 is NUL in hex) 
    Name += byte  # Appends the current byte to the string Name 
    byte = f.read(1) # reads the next byte 

完全なバイトシーケンスを取得したら、それをUnicode文字列に変換する必要があります。あなたはデコード必要があることについて：コメントで述べたように

Name = Name.decode("utf-8") 

を、あなたの文字列が実際にUTF-8ではなく、Microsoftのコード・ページの一つであることは表示されません。あなたは、Windowsが現在使用しているコードページからデコードすることができます：

Name = Name.decode("mbcs") 

明示的the documentationを参照して、代わりに使用するコードページを与えることができます。

Windowsコンソールでは残りのシステムと同じコードページを使用しないため、文字列をコンソールに印刷しようとすると問題が発生することがあります。印刷に必要な文字がない可能性があります。