【Python】テキストファイルの文字コードを一括変換する

初めに

最近業務効率化の為のコードをちょこちょこ書いております。今回Qiita初投稿です、皆様のご参考になれば幸いです。

pythonもプログラミングも初心者以上中級者未満な感じですので改善点ありましたらコメント頂けますと嬉しいです！

概要

やりたかったこと

あるフォルダー内のテキストファイルの文字コードを、一括でUTF-8やSJISに変換したい。

実装の流れ

①フォルダに存在するテキストファイルの一覧をリストで取得（pptやjpeg等テキスト以外のファイルは弾く）←python-magicを利用して関数化

②各テキストファイルの文字コード（変換前を取得）を取得←Chardetを利用して関数化

③ユーザの選択した文字コードに、各ファイルを変換。

注釈

・Windows環境での動作を前提にしています。

・コードを流用して自環境で動作させる際は自己責任でお願い致します。

実装

①テキストファイル一覧の取得

def mime_type_detector(file_path):
    """
    file_pathで指定したファイル種別をpython-magicで判定し、MIME形式で返す
    :param file_path:ファイル種別を判別したいファイルパス
    :return: MIMEタイプ
    """
    import magic
    # python-magicを利用することで、バイナリーのパターンからファイル形式を判定（推定）可能
    mime_type = magic.from_buffer(open(file_path,'rb').read(2048),mime=True)
    return mime_type

②各ファイルの文字コード取得

def textfile_encode_detector(file_path):
    """
    file_pathで指定したファイルの文字コードを返す
    :param file_path:文字コードを判別したいファイルパス
    :return: ファイル名がキー、文字コードが値のdict
    """
    #テキストファイルの文字コード判定（推定）にはChardetを利用
    from chardet.universaldetector import UniversalDetector
    detector = UniversalDetector()
    encode_type = ""
    with open(file_path,'rb') as f:
        for line in f.readlines():
            detector.feed(line)
            if detector.done:
                break
        detector.close()
        encode_type = detector.result['encoding']
    return encode_type

###③文字コード変換してファイルを上書き

for path,before_encode in path_encode_dict.items():
        #元ファイルのデータ取得
        bf = codecs.open(path,'r',encoding=before_encode)
        data = bf.read()
        bf.close()
        
        #新しい文字コードに変換して出力
        af = codecs.open(path,'w',encoding=after_encode)
        af.write(data)
        af.close()

スクリプト全文

def main():
    import os
    import sys
    from glob import glob
    import codecs

    ### ユーザ操作受付処理 ###
    #格納元フォルダの入力
    input_folder = input("対象ファイルが格納されたフォルダパスを入力してください。：")
    if not os.path.exists(input_folder):
        print("入力されたフォルダは存在しません。")
        sys.exit()
    
    #変換後文字コードの入力
    after_encode =""
    for i in range(1,3):
        input_number = input("変換対象文字コードを選択してください[1 -> SJIS | 2 -> UTF-8]：")
        if input_number == "1":
            after_encode = "cp932" # 'Shift_JIS'とするとWindows環境依存文字が書き込めなくてエラーとなる
            break
        elif input_number == "2":
            after_encode = "utf-8"
            break
        else:
            print("次のリストから選択してください [1 -> SJIS | 2 -> UTF-8]")
            continue
    else:
        print("不正な値が入力されました。")
        sys.exit()

    ### 変換対象ファイル抽出処理 ###
    #格納フォルダ内の全ファイルパスを取得
    file_paths = glob(f'{input_folder}\\*')

    #テキストファイルのみを抽出してリスト化
    textfile_paths = []
    for path in file_paths:
        #ファイル種別判定用関数を利用してファイル種別(MIME)を取得
        if mime_type_detector(path) == "text/plain":
            #MIMEがtext/plainの場合、リストに追加
            textfile_paths.append(path)

    ### 変換前文字コード取得処理 ###
    #テキストファイルの文字コードを取得してファイル名をキーとしたdictに登録
    path_encode_dict = {}
    for path in textfile_paths: 
        path_encode_dict[path] = textfile_encode_detector(path)


    ### ファイル文字コード変換処理 ###
    for path,before_encode in path_encode_dict.items():
        #元ファイルのデータ取得
        bf = codecs.open(path,'r',encoding=before_encode)
        data = bf.read()
        bf.close()
        
        #新しい文字コードに変換して出力
        af = codecs.open(path,'w',encoding=after_encode)
        af.write(data)
        af.close()

#文字コード判定関数
def textfile_encode_detector(file_path):
    """
    file_pathで指定したファイルの文字コードを返す
    :param file_path:文字コードを判別したいファイルパス
    :return: ファイル名がキー、文字コードが値のdict
    """
    #テキストファイルの文字コード判定（推定）にはChardetを利用
    from chardet.universaldetector import UniversalDetector
    detector = UniversalDetector() 
    encode_type = ""
    with open(file_path,'rb') as f:
        for line in f.readlines():
            detector.feed(line)
            if detector.done:
                break
        detector.close()
        encode_type = detector.result['encoding']
    return encode_type

#ファイル形式判定関数
def mime_type_detector(file_path):
    """
    file_pathで指定したファイル種別をpython-magicで判定し、MIME形式で返す
    :param file_path:ファイル種別を判別したいファイルパス
    :return: MIMEタイプ
    """
    import magic
    # python-magicを利用することで、バイナリーのパターンからファイル形式を判定（推定）可能
    mime_type = magic.from_buffer(open(file_path,'rb').read(2048),mime=True)
    return mime_type

if __name__ == '__main__':
    main()