Python 文件操作

Question

假设我有这样的文件夹

  rootfolder
      | 
     / \ \
    01 02 03 ....
    |
  13_itemname.xml

，所以在我的根文件夹下，每个目录代表一个月份，如 01 02 03，在这些目录下，我有一些项目及其创建时间和项目名称 例如 16_item1.xml、24_item1.xml 等，您可能会猜到有几个项目，每个 xml 每小时创建一次。

现在我想做两件事：

• 我需要生成一个月的项目名称列表，即 01 里面有 item1、item2 和 item3。

• 我需要过滤每个项目，例如 item1：我想读取从 01_item1.xml 到 24_item1.xml 的每个项目。

如何在 Python 中以简单的方式实现这些目标？

Answer 1

这里有两种方法可以满足您的要求（如果我理解正确的话）。一种带正则表达式，一种不带正则表达式。您可以选择您喜欢的那一个；）

“setdefault”行似乎很神奇。有关说明，请参阅文档。我将其作为“留给读者的练习”以了解其工作原理；）

from os import listdir
from os.path import join

DATA_ROOT = "testdata"

def folder_items_no_regex(month_name):

   # dict holding the items (assuming ordering is irrelevant)
   items = {}

   # 1. Loop through all filenames in said folder
   for file in listdir( join( DATA_ROOT, month_name ) ):
      date, name = file.split( "_", 1 )

      # skip files that were not possible to split on "_"
      if not date or not name:
         continue

      # ignore non-.xml files
      if not name.endswith(".xml"):
         continue

      # cut off the ".xml" extension
      name = name[0:-4]

      # keep a list of filenames
      items.setdefault( name, set() ).add( file )

   return items

def folder_items_regex(month_name):

   import re

   # The pattern:
   # 1. match the beginnning of line "^"
   # 2. capture 1 or more digits ( \d+ )
   # 3. match the "_"
   # 4. capture any character (as few as possible ): (.*?)
   # 5. match ".xml"
   # 6. match the end of line "$"
   pattern = re.compile( r"^(\d+)_(.*?)\.xml$" )

   # dict holding the items (assuming ordering is irrelevant)
   items = {}

   # 1. Loop through all filenames in said folder
   for file in listdir( join( DATA_ROOT, month_name ) ):

      match = pattern.match( file )
      if not match:
         continue

      date, name = match.groups()

      # keep a list of filenames
      items.setdefault( name, set() ).add( file )

   return items
if __name__ == "__main__":
   from pprint import pprint

   data = folder_items_no_regex( "02" )

   print "--- The dict ---------------"
   pprint( data )

   print "--- The items --------------"
   pprint( sorted( data.keys() ) )

   print "--- The files for item1 ---- "
   pprint( sorted( data["item1"] ) )


   data = folder_items_regex( "02" )

   print "--- The dict ---------------"
   pprint( data )

   print "--- The items --------------"
   pprint( sorted( data.keys() ) )

   print "--- The files for item1 ---- "
   pprint( sorted( data["item1"] ) )

Answer 2

假设项目名称具有固定长度的前缀和后缀（即 3 个字符的前缀，如“01_”和 4 个字符的后缀“.xml”），您可以像这样解决问题的第一部分

names = set(name[3:-4] for name in os.listdir('01') if name.endswith('.xml')]

：你独特的物品名称。

要过滤每个项目，只需查找以该项目名称结尾的文件，并根据需要对其进行排序。

item_suffix = '_item2.xml'
filtered = sorted(name for name in os.listdir('01') if name.endswith(item_suffix))

Answer 3

不确定你到底想做什么，但这里有一些可能对

---

创建文件名有用的指针（“％02d”表示用零填充）

foldernames = [“％02d”％i for i in range(1, 13)]

filenames = ["%02d"%i for i in range(1,24)]

---

使用os.path.join构建复杂的路径而不是字符串连接

os.path.join(foldername,filename)

---

os.path.exists首先检查文件是否存在

if os.path.exists(newname):
    print "file already exists"

---

以列出目录内容，使用glob

from glob import glob
xmlfiles = glob("*.xml")

---

使用shutil获得更高级别创建文件夹、重命名文件等操作

shutil.move(oldname,newname)

---

basename 从完整路径获取文件名

filename = os.path.basename(完整路径）