批量修改喜马拉雅下载节目的文件名

要过节啦，下载了一批喜马拉雅的有声读物，准备放到SD卡里到车上听。到目录一瞧，嘿，都是些啥玩意。

│

├─323366

│         51937074.m4a

│         52070404.m4a

│

├─4756811

│         18556415.m4a

│

├─6729285

│         38100357.m4a

│

└─7651313

            50867022.m4a

我想要的是类似这样的目录和歌曲名

│

├─CCTV朗读者

│         朗读者特别节目丨王姬：致母亲“妈妈，下辈子请您做我的女儿。”.m4a

│

├─冷历史

│         一线业务代表怎样像白起一样做起来.m4a

│         职场上千万不要犯和白起一样的错.m4a

│

├─摸金天师（盗墓小说）：紫襟故事

│         《摸金天师》第001章 百辟刀（求订阅，打赏！）.m4a

│

└─晓说2017

            晓说第23期：口述历史对谈马未都（上）老北京寻宝记.m4a

研究一下喜马拉雅的下载目录，发现它把每的节目由两个描述性的jSON文件和存放文件的目录组成。举个例子更容易明白，对上面的323366，

323366：

1) 322266info.json，节目描述文件

323366info.json描述了节目信息，其中主要的是"Title"，表示节目名，“冷历史”；

2) 323366list.json

323366list.json表示节目里包含的曲目名，是一个JSON数组，每个表示一个曲目。list文件的第一个“Title”=“职场上千万不要犯和白起一样的错”

这玩意下载的多了，没法手动去逐个改，还不得累死我这老胳膊老腿的。所以决定写个Python程序，来完成这个任务。

这是我写的第二个python程序，所以坑还真不少，有得坑跟喜马拉雅有关。简单列一些，供以后参考。

1. 编码坑

之前就掉进python的坑里，好不容易爬出来，以为都应该明白了呢。现实总是残酷的多，要解析JSON文件，总得先读进来吧，如下：

with open("323366info.json",'r') as load_f:
   load_dict = json.load(load_f)    
   print(load_dict["title"])

总是在load这句，报错：UnicodeDecodeError: 'gbk' codec can't decode byte 0xb2 in position 93: illegal multibyte sequence

即使在load里加入了“encoding=”utf-8””。以为又是cmd窗口的问题， 用chcp修改了代码页，无济于事。

仔细研究，发现open默认按字符方式打开，这时其实有一个编码隐含在这里，我的Windows系统是中文版，默认编码是GBK，Python3应该是取了这个默认值，所以修改CMD窗口无济于事。

了解了来龙去脉，修改就简单了，只需将第一句话修改成：
with open("323366info.json",'r',encoding = "utf-8") as load_f:

2. 正则表达式坑

喜马拉雅的Title是用户上传的，所以Title里包含什么都不奇怪。但Windows目录名是有禁忌的，下面这些字符都不可以出现在文件和目录名中：

/\:*?"<>|]

可以管这些叫咒符，自然的想法就是遇到这些咒符，就查一下替换掉。

等一下，这不就是正则表达式擅长的吗，虽然没怎么用过，我还是决定试一试这高级玩意。

“\”，“：”，“？”，“|”，这些都是正则表达式的元字符，应该需要转义，但也有文档说，如果包含在“[...]"内，应该不需要，但实际上报错，还好可以在交互窗口中逐个试，最后发现应该写成这样才可以：

illegal_Char = re.compile(r"[/\\:*?\"<>|]")

也就是只有“\”和“"”需要转义，从道理上倒也讲得通，解释器找到“"”就认为这一个语句结束了，为什么不能说的更清楚些呢。

3. 喜马拉雅的同名节目坑

同一个节目目录下，居然有曲目完全同名。虽然知道喜马拉雅号称UGC（用户生成内容），但不能这么坑吧。

没办法，解决方法是，从xxxlist.json里找到了“ID”字段，不同曲目可能完全同名，但ID一定是不同的，如果遇到重名的，则给后出现的曲目加一个xxxxx的部分，比如如下罗辑思维的例子：

  |

├─你是巨婴吗x[罗辑思维]No·198

├─你因挣钱而伟大 [罗辑思维]No.117

├─你因挣钱而伟大 [罗辑思维]No.1176585108

4. UTF-8与GBK的坑

对单字节高于0x80的字符，Unicode是支持的。比如，一些节目的Title里包含“-”字符，注意这里的“-”不是键盘上那个，而是在扩展ASCII里，这个被编码为0xA0，UTF-8编码为0xC2 A0，奇怪的是，GBK不支持这个字符，或者说python的decode函数不支持，所以总是报encoding error。后来发现可以先主动转一遍，对无法转换的字符，指定Ignore，则可以跳过.

print(old,"==>", new.encode("gbk","ignore").decode("gbk"))

差不多了，这些坑踩了个遍，我得第二个python程序可以正常工作了，我的国庆有声读物下载的也差不多了，有1700多个，运行一遍，10秒钟全部改完了。嗯，还不错。

贴上其中的一个关键函数，完整程序有需要者可以找我要

def ren_files(dir):

   updir = os.getcwd()

   

   subdir =   ".\\"+dir 

   

   os.chdir(subdir)

   

   print(os.getcwd())

   

   

   #####修改文件#####

   #获取上级目录下的list文件，是个多维JSON，包括了目录下所有节目信息

   infofilepath = updir + "\\" + dir + "list.json"

   

   #print(infofilepath)

   

   infofile = open(infofilepath,'r',encoding = "utf-8")

   playlist = json.load(infofile)

   

   #print(playlist)   

   #print(len(playlist)) 

      

   for i in range(len(playlist)):

      old =   str(playlist[i]["id"]) + ".m4a"

      new = playlist[i]["title"] + ".m4a" 

      

      new = re.sub(illegal_Char,"x",new)

      

      #同一目录下会有同名文件，奇葩的喜马拉雅

      if (os.path.exists(new)):

         new = new = playlist[i]["title"] + str(playlist[i]["trackId"]) + ".m4a"

         new = re.sub(illegal_Char,"x",new)

      

      #print总是要按控制台的默认编码打印，有些节目名包含“0xc2a0”这个字符，是特殊的“-”符号，

      #GBK无法编码这个字符，所以我们这里先主动编码一下，对无法解释的字符选择ignore，然后解码，

      print(old,"==>", new.encode("gbk","ignore").decode("gbk"))

      

      os.rename(old, new);      

   

   infofile.close()   

   #####修改文件结束#####   

   

   os.chdir(updir)

   

   #####修改目录名#####

   

   infofilepath = updir + "\\" + dir + "info.json" 

   print(infofilepath)

   

   infofile = open(infofilepath,'r',encoding = "utf-8")

   playlist = json.load(infofile)

   

   old =   dir   

   new = playlist["title"] 

      

   new = re.sub(illegal_Char,"x",new)

      

   print("dir: ",old,"==>", new)

   os.rename(old, new);

      

   infofile.close()      

      

   #####修改目录名结束#####

   

   return