[已解决]关于Python统计代码量函数的程序行数统计出差错

爱上Q的球

import easygui as g
import os
import sys



def show_result(start_dir):
    lines = 0
    total = 0
    text = ""

    for i in source_list:
        lines = source_list[i]
        total += lines
        text += "【%s】源文件 %d 个，源代码 %d 行\n" % (i, file_list[i], lines)
    title = '统计结果'
    msg = '您目前共累积编写了 %d 行代码，完成进度：%.2f %%\n离 10 万行代码还差 %d 行，请继续努力！' % (total, total/1000, 100000-total)
    g.textbox(msg, title, text)

def calc_code(file_name):
    lines = 0
    with open(file_name) as f:
        print('正在分析文件：%s ...' % file_name)
        try:
            for each_line in f:
                lines += 1
        except UnicodeDecodeError:
            pass # 不可避免会遇到格式不兼容的文件，这里忽略掉......
        
    return lines

def search_file(start_dir) :
    os.chdir(start_dir)
    
    for each_file in os.listdir(os.curdir) :
        ext = os.path.splitext(each_file)[1]
        if ext in target :
            lines = calc_code(each_file) # 统计行数
            # 还记得异常的用法吗？如果字典中不存，抛出 KeyError，则添加字典键
            # 统计文件数
            try:
                file_list[ext] += 1
            except KeyError:
                file_list[ext] = 1
            # 统计源代码行数
            try:
                source_list[ext] += lines
            except KeyError:
                source_list[ext] = lines
            
        if os.path.isdir(each_file) :
            search_file(each_file) # 递归调用
            os.chdir(os.pardir) # 递归调用后切记返回上一层目录
            
target = ['.c', '.cpp', '.py', '.cc', '.java', '.pas', '.asm']
file_list = {}
source_list = {}

g.msgbox("请打开您存放所有代码的文件夹......", "统计代码量")
path = g.diropenbox("请选择您的代码库：")

search_file(path)
show_result(path)

运行下来，只要这个代码文件中含有中文的注释就无法算进去。原因出在每个文件统计行数的那一段小程序

def calc_code(file_name):
    lines = 0
    with open(file_name) as f:
        print('正在分析文件：%s ...' % file_name)
        try:
            for each_line in f:
                lines += 1
        except UnicodeDecodeError:
            pass # 不可避免会遇到格式不兼容的文件，这里忽略掉......
        
    return lines

UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 16: illegal multibyte sequence
中文的编码是gbk，而默认utf-8，这是应该如何解决，才能使得有中文长注释的行数也计算上去？

最佳答案

月排行榜 / 总排行榜

lumber2388779

2017-5-8 22:02:54

with open(file_name) as f

这一句修改成

with open(file_name,encoding='utf-8') as f

就可以正常打开
有问题可以提问

跳转到最佳答案楼层

lumber2388779

with open(file_name) as f

这一句修改成

with open(file_name,encoding='utf-8') as f

就可以正常打开
有问题可以提问

爱上Q的球

lumber2388779 发表于 2017-5-8 22:02
这一句修改成

就可以正常打开

对不起，回复晚了。
为什么强调编码是utf-8，读取的时候不是解码的过程吗？报错报的也是解码的错误，没弄明白呢，求细讲

lumber2388779

爱上Q的球 发表于 2017-5-10 21:42
对不起，回复晚了。
为什么强调编码是utf-8，读取的时候不是解码的过程吗？报错报的也是解码的错误，没 ...

这跟我们系统的环境有关系,我们中文系统默认一些编码还是会采用gbk,你打开文件默认采用应该是系统的编码,而不一定是你文件的编码格式 ,我们借用其他工具打开默认会使用文件的编码格式进行打开,但是编程中不一定会这样做

爱上Q的球

lumber2388779 发表于 2017-5-10 23:37
这跟我们系统的环境有关系,我们中文系统默认一些编码还是会采用gbk,你打开文件默认采用应该是系统的编码, ...

这样啊，谢谢你~~~~~