• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Cómo verificar los permisos de un archivo en MATLAB

junio 12, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En MATLAB, la función fileattrib() permite obtener información sobre los atributos de un archivo, incluidos los permisos de acceso. Un paso que puede evitar problemas cuando se quiere modificar, borrar o, incluso, leer un archivo. En esta entrada, se explicará cómo usar la función para comprobar los permisos de un archivo en MATLAB e interpretar la salida en Windows.

Uso de la función fileattrib()

Para comprobar los permisos de un archivo en MATLAB se puede recurrir a la función fileattrib(). Su uso es bastante sencillo, solamente se le debe pasar una cadena con la ruta al archivo y devuelve dos valores

[status, values] = fileattrib(filename)

donde

  • filename es la cadena de texto con la ruta al archivo,
  • status es un valor que puede ser 1, lo que indica que la operación de ha realizado de forma correcta, o 0, cuando ha existido algún problema, y
  • values es una estructura con los datos del archivo.

Comprendiendo values

Cuando se llama a fileattrib() con el nombre de un archivo como argumento y se recogen los dos valores se obtiene una estructura con los siguientes valores:

  • Name: El nombre del archivo.
  • archive, system, hidden, directory: Indicadores de atributos del archivo. Respectivamente, cada uno de estos valores indica si el objeto es un archivo, pertenece al sistema, es un recurso oculto o es un directorio.
  • UserRead, UserWrite, UserExecute: Permisos de acceso del usuario actual. Respectivamente, indica si el usuario puede leer, escribir y ejecutar el archivo.
  • GroupRead, GroupWrite, GroupExecute: Permisos de acceso para el grupo al que pertenece el archivo. Los permisos son los mismos que para el usuario.
  • OtherRead, OtherWrite, OtherExecute: Permisos de acceso para otros usuarios. Al igual que en los dos casos anteriores indica respectivamente que el resto de los usuarios pueden leer, escribir o ejecutar.

Un ejemplo de la estructura values seria de la siguiente forma:

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
En Analytics Lane
La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

Información de atributos del archivo:
Name: 'C:\Users\Daniel\Documentos\data.csv'
archive: 1
system: 0
hidden: 0
directory: 0
UserRead: 1
UserWrite: 1
UserExecute: 1
GroupRead: NaN
GroupWrite: NaN
GroupExecute: NaN
OtherRead: NaN
OtherWrite: NaN
OtherExecute: NaN

Publicidad


Emplear fileattrib() para obtener los permisos de un archivo en MATLAB

Para verificar los permisos de un archivo en MATLAB se puede usar un código como el que se muestra a continuación.

filename = 'data.csv';

% Obtener información de atributos del archivo
[status, file_info] = fileattrib(filename);

if ~status
    disp('El archivo no existe.');
else
    disp('Información de atributos del archivo:');
    disp(file_info);

    % Verificar permisos de acceso del usuario actual
    if file_info.UserRead
        disp('Tienes permiso de lectura en este archivo.');
    end

    if file_info.UserWrite
        disp('Tienes permiso de escritura en este archivo.');
    end
    
    if file_info.UserExecute
        disp('Tienes permiso de ejecución en este archivo.');
    end
end
Tienes permiso de lectura en este archivo.
Tienes permiso de escritura en este archivo.
Tienes permiso de ejecución en este archivo.

En este ejemplo, se comprueba los permisos de archivo 'data.csv' en la carpeta actual, para lo que se llama a la función fileattrib(). Para comprobar que no ha existido un problema, como que no exista el archivo, en primer lugar, se comprueban si el valor de status es no válido, en ese caso se sacará por pantalla el mensaje El archivo no existe.. Nótese que, en caso de existir un problema cuando se llama a la función, esta no dará un error, sino que el valor de status será 0.

Conclusiones

La función fileattrib() de MATLAB permite obtener información sobre los atributos de un archivo, incluidos los permisos de acceso. Una información que es útil para evitar problemas, como intentar modificar un archivo sobre el que no se tienen permisos. Lo que facilita un uso seguro y eficiente de los archivos en los proyectos de MATLAB.

Imagen de Enrique en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
  • Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
  • Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura
  • Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales
  • Ley de Benford: cómo detectar datos manipulados con ejemplos reales
  • Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar
  • Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos
  • WOE e IV: La Base Matemática del Credit Scoring
  • De la Regresión Logística al Scorecard: La Transformación Matemática

Publicado en: Matlab

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

junio 4, 2026 Por Daniel Rodríguez

Calibración vs Discriminación en Credit Scoring: diferencias clave y cómo evaluarlas

junio 2, 2026 Por Daniel Rodríguez

Ley de Benford: cómo detectar datos manipulados con ejemplos reales

mayo 28, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • pandas Eliminar las filas con valores nulos en Pandas publicado el abril 24, 2023 | en Python
  • Riesgo relativo vs riesgo absoluto: la trampa de los titulares alarmistas publicado el enero 29, 2026 | en Opinión
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • pandas Pandas: Contar los valores nulos en DataFrame publicado el agosto 12, 2021 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto