清除svn信息文件的python代码

本文介绍了一款用于删除.svn文件夹的Python脚本。该脚本能够递归地遍历指定目录及其子目录,查找并删除所有.svn文件夹,确保代码库在导入其他项目时保持整洁。
写了一个简单的脚本来清除.svn文件夹。从svn代码仓库得到的源代码,在每一个目录及了目录下都有一个名为.svn文件夹。当想将svn下载的代码导入到其它project中时,就需要将svn相关信息文件删除掉,得到一份干净的代码。

如下注事点:
1.遍历目录及子目录,如果发现有名为.svn的文件夹,就将它删除。os.path.walk()来遍历目录,os.remove(path)删除文件,os.rmdir(path)删除文件夹。
2. 在删除文件之前,需要去掉只读属性:os.chmod(path, st_mode | stat.S_IWRITE | stat.S_IWGRP | stat.S_IWOTH)



# script to clean .svn folder
import os, os.path
import stat

BASE_FOLDER = r'C:\Development\workspace-3.6\ESI_back'

class Walker():
def __init__(self, begin_path, rm_name):
self.begin_path = begin_path
self.rm_name = rm_name

def going(self):
os.path.walk(self.begin_path, self.visit, self.rm_name)

def visit(self, arg, dirname, names):
#if os.path.isabs(dirname):
# print 'absolute pathname: ', dirname
for e in names:
abs = os.path.join(dirname, e)
if e == arg and os.path.isdir(abs):
#print "Removing: ", abs
self.rm_force(abs)
#print "done"

def rm_force(self, path):
if os.path.lexists(path):
#if path is readonly, should remove "readonly"
self.un_readonly(path)
if os.path.isfile(path):
print 'Removing file: ', path
os.remove(path)
elif os.path.isdir(path):
names = os.listdir(path)
for name in names:
abs = os.path.join(path, name)
self.rm_force(abs)
print 'Removing folder: ', path
os.rmdir(path)
else:
os.unlink(path)
else:
print 'NOT EXISTS: ', path
def is_readonly(self, path):
st_mode = os.stat(path).st_mode
#return st_mode == 33060
return st_mode & stat.S_IWRITE != stat.S_IWRITE

def un_readonly(self, path):
st_mode = os.stat(path).st_mode
os.chmod(path, st_mode | stat.S_IWRITE | stat.S_IWGRP | stat.S_IWOTH) #146
#os.chmod(path, 33206)


if __name__ == '__main__':
if not os.path.isdir(BASE_FOLDER):
print 'Not a folder: ', BASE_FOLDER
exit
walker = Walker(BASE_FOLDER, '.svn')
#f = r't/t.txt'
#print walker.is_readonly(f)
#walker.un_readonly(f)
#print walker.is_readonly(f)

#walker.rm_force('C:\\TEMP\\zhouvi2')
walker.going()


【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值