使用python urllib2和regex来获取类似的命名远程文件

Question

我正在尝试从具有以下名称模式的远程文件下载每日文件转储：somename.yyyymmdd_HHmm.zip。 yyyymmdd是4位数年份，2位数月份和2位数字日期，HH是2位数小时，最后一位mm是2位数分钟。如果该文件是今天生成的，则可以是somename.20120416_0423.zip。 '_0423'也可能是0412'，具体取决于它是在上午4:23还是凌晨4:12完成倾销。

我的问题是，如何使用正则表达式下载此文件，知道我们上面所知道的内容？或者有更好的方法吗？

import urllib2

ref = regexedFilename # this would be the (sort of) unknown file name
f = urllib2.openfile(ref)

Answer 1

在远程站点上没有目录列表是不可能的，除非您想使用暴力查找文件名。

如果目录列表可用，请打开目录索引页面，解析它，例如使用BeautifulSoup，提取文件列表，然后使用正则表达式找到与您要查找的格式相匹配的文件。

Answer 2

假设您可以看到目录列表，并且您将不得不使用正则表达式，那么没有理由浪费您的时间使用BeautifulSoup。

import re
file_list = re.findall('.*?\.(\d+)_(\d+)\.zip', directory_page_text)
sorted_file_list = sorted(file_list, key=lambda x: (x[0], x[1]))

这当然可能需要调整，具体取决于目录列表的实际输出结果。