使用 Python 抓取部分文件名

Question

这里是新手。

我刚刚使用 Python/coding 几天，但我想创建一个脚本来抓取与特定模式对应的部分文件名，并将其输出到文本文件。

所以就我而言，假设我有四个这样的 .pdf：

aaa_ID_8423.pdf
bbbb_ID_8852.pdf
ccccc_ID_7413.pdf
dddddd_ID_4421.pdf

(Note that they are of variable length.)

我希望脚本遍历这些文件名，获取 "ID_" 之后和文件扩展名之前的字符串。

您能否为我指明 Python 模块和可能的指南可以帮助我的方向？

Answer 1

如果数字是可变长度的，您将需要正则表达式模块 "re"

import re

# create and compile a regex pattern
pattern = re.compile(r"_([0-9]+)\.[^\.]+$")

pattern.search("abc_ID_8423.pdf").group(1)
Out[23]: '8423'

正则表达式一般用于匹配可变字符串。我刚刚写的正则表达式说：

查找下划线 ("_")，后跟可变位数 ("[0-9]+")，再后跟字符串中的最后一个句点 ("\.[^\.]+ $")

Answer 2

您可以使用 python 中的 os 模块并执行 listdir 以获取该路径中存在的文件名列表，如下所示：

import os
filenames = os.listdir(path)

现在您可以遍历文件名列表并使用正则表达式查找您需要的模式：

import re
for filename in filenames:
    m = re.search('(?<=ID_)\w+', filename)
    print (m)

上面的代码片段将return ID_ 后面的文件名部分打印出来。因此，对于您的示例，它将 return 4421.pdf、8423.pdf 等。您可以编写类似的正则表达式来删除 .pdf 部分。

Answer 3

您可能想要使用 glob，这是一个 python 文件通配模块。来自 python 帮助页面的用法如下：

>>> import glob
>>> glob.glob('./[0-9].*')
['./1.gif', './2.txt']
>>> glob.glob('*.gif')
['1.gif', 'card.gif']
>>> glob.glob('?.gif')
['1.gif']

Answer 4

这是一个使用 re 模块的简单解决方案，如其他答案中所述。

# Libraries
import re

# Example filenames. Use glob as described below to grab your pdf filenames
file_list = ['name_ID_123.pdf','name2_ID_456.pdf'] # glob.glob("*.pdf") 

for fname in file_list:
    res = re.findall("ID_(\d+).pdf", fname)
    if not res: continue
    print res[0] # You can append the result to a list

下面应该是您的输出。您应该能够将其适应其他模式。

# Output
123
456

祝你好运！

Answer 5

这是另一种选择，使用 re.split()，这可能更接近于您正在尝试做的事情的精神（尽管 re.match() 和 re.search() 等解决方案, 同样有效、有用和有指导意义):

>>> import re
>>> re.split("[_.]", "dddddd_ID_4421.pdf")[-2]
'4421'
>>>

使用 Python 抓取部分文件名

Grab part of filename with Python

python

filenames