如何使用Python将dir命令结果转换为CSV或JSON格式？

问题描述 #

我希望编写一个Python解析器，将dir /a/s/od/ta命令的输出结果转换为CSV或JSON格式。例如，执行该命令得到的输出如下：

纾佺鍗� C 涓殑纾佺娌掓湁妯欑堡銆�纾佺鍗�搴忚櫉: 123-1234 C:\ 鐨勭洰閷�
2009/07/14 涓婂崍 11:20 <DIR>          PerfLogs
2009/07/14 涓嬪崍 01:08 <JUNCTION>     Documents and Settings [C:\Users]
2018/03/14 涓嬪崍 04:09 12,796,198,912 hiberfil.sys
2018/03/14 涓嬪崍 04:09 17,061,601,280 pagefile.sys
2018/03/14 涓嬪崍 04:16 <DIR>          Recovery
2018/03/14 涓嬪崍 04:17 <DIR>          Users
2018/03/14 涓嬪崍 04:17 <DIR>          $Recycle.Bin
2018/03/14 涓嬪崍 04:42 <DIR>          Intel
2018/03/14 涓嬪崍 05:46 <DIR>          Python27
2018/03/22 涓嬪崍 01:19              40 87E27E492B63
2018/03/31 涓婂崍 11:08 <DIR>          py36
2018/05/04 涓嬪崍 06:12 <DIR>          ProgramData
2018/05/04 涓嬪崍 06:12 <DIR>          Program Files (x86)
2018/05/04 涓嬪崍 06:15 <DIR>          Windows
2018/05/07 涓婂崍 10:17 <DIR>          System Volume Information
2018/05/07 涓婂崍 10:19 <DIR>          Config.Msi
2018/05/08 涓婂崍 10:39 <DIR>          Program Files
               3 鍊嬫獢妗�
    29,857,800,232 浣嶅厓绲�

期望转换后的格式（以表格形式示例）：

============================================================
|**name       |path |lastaccess          |type**          |
|PerfLogs     |C:\  |2009/07/14 涓婂崍 11:20 |<DIR>          |
|hiberfil.sys |C:\  |2018/03/14 涓嬪崍 04:09 |12,796,198,912|
|pagefile.sys |C:\  |2018/03/14 涓嬪崍 04:09 |17,061,601,280|
|...          |...  |...                  |...            |
============================================================

请问是否有适用的Python库可以实现该功能？如果没有相关库，能否提供实现建议？

解决方案 #

关于现成Python库 #

目前没有专门针对Windows dir命令输出解析的主流通用库，因为dir的输出格式高度依赖系统区域设置（比如语言、编码），格式并不固定，所以很少有库能覆盖所有场景。不过我们可以自己动手实现，步骤也不算复杂。

手动实现步骤建议 #

1. 正确获取dir命令的输出

首先要解决编码问题，Windows中文系统的dir输出通常使用gbk编码，用subprocess模块执行命令并指定编码：

import subprocess

def get_dir_output():
    # 执行dir命令，获取输出
    result = subprocess.run(
        ["dir", "/a/s/od/ta"],
        capture_output=True,
        text=True,
        encoding="gbk"  # 根据你的系统实际编码调整，比如utf-8
    )
    return result.stdout

2. 过滤有效行

dir的输出开头是卷信息，结尾是统计数据，需要过滤掉这些无效行：

• 跳过包含卷标识（如示例中的"鍗�"）、目录说明（"搴忚櫉"）的开头行
• 跳过包含文件计数（"鍊嬫獢妗�"）、字节统计（"浣嶅厓绲�"）的结尾行
• 只保留包含日期格式（YYYY/MM/DD）的有效行

3. 用正则解析每行数据

有效行分为两类：目录/链接行和文件行，用正则表达式匹配提取字段：

import re

# 匹配目录/链接行：日期 时间 <类型> 名称 [目标路径]
dir_pattern = re.compile(r"^(\d{4}/\d{2}/\d{2}) (\S+) (<[^>]+>) +(.+?)(?: \[(.+)\])?$")
# 匹配文件行：日期 时间 文件大小 文件名
file_pattern = re.compile(r"^(\d{4}/\d{2}/\d{2}) (\S+) +([\d,]+) +(.+)$")

def parse_line(line, root_path="C:\\"):
    line = line.strip()
    # 尝试匹配目录行
    dir_match = dir_pattern.match(line)
    if dir_match:
        date, time, item_type, name, target = dir_match.groups()
        return {
            "name": name.strip(),
            "path": root_path,
            "lastaccess": f"{date} {time}",
            "type": item_type,
            "target": target.strip() if target else None  # 可选，存储JUNCTION的目标路径
        }
    # 尝试匹配文件行
    file_match = file_pattern.match(line)
    if file_match:
        date, time, size, name = file_match.groups()
        return {
            "name": name.strip(),
            "path": root_path,
            "lastaccess": f"{date} {time}",
            "type": size.replace(",", "")  # 可以转成整数，或保留原格式
        }
    return None

4. 转换为CSV或JSON格式

• 转CSV：使用Python内置的csv模块：

  import csv
  
  def write_to_csv(items, filename="dir_output.csv"):
      with open(filename, "w", newline="", encoding="utf-8") as f:
          writer = csv.DictWriter(f, fieldnames=["name", "path", "lastaccess", "type"])
          writer.writeheader()
          writer.writerows(items)
  

• 转JSON：使用Python内置的json模块：

  import json
  
  def write_to_json(items, filename="dir_output.json"):
      with open(filename, "w", encoding="utf-8") as f:
          json.dump(items, f, ensure_ascii=False, indent=2)
  

5. 整合所有功能

把上面的函数组合起来，完成完整的解析流程：

def main():
    dir_output = get_dir_output()
    lines = dir_output.split("\n")
    parsed_items = []
    # 这里可以优化：从dir的开头行自动提取当前根路径，示例中暂时固定为C:\
    current_path = "C:\\"
    
    for line in lines:
        item = parse_line(line, current_path)
        if item:
            parsed_items.append(item)
    
    # 输出为CSV和JSON
    write_to_csv(parsed_items)
    write_to_json(parsed_items)
    print(f"解析完成，共处理{len(parsed_items)}个项目")

if __name__ == "__main__":
    main()

额外注意事项 #

• 编码适配：如果你的系统不是中文环境，需要调整subprocess.run中的encoding参数（比如英文系统用utf-8）
• 递归目录处理：如果使用/s参数递归遍历子目录，dir会在输出中切换目录，需要解析输出中的目录切换行（如"XX目录的内容"）来更新current_path
• 特殊文件名：正则已经处理了带空格的文件名，但如果有更特殊的字符（如括号、中括号），可能需要微调正则表达式

内容的提问来源于stack exchange，提问作者BBBruce