Question

新手在这里。

我刚刚使用Python /编码工作了几天，但我想创建一个脚本来抓取与某个模式相对应的部分文件名，并将其输出到文本文件中。

所以在我的情况下，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.)

我希望脚本浏览这些文件名，在“ID_”之后和文件扩展名之前获取字符串。

您能指出我可以帮助我的Python模块和指南吗？

Answer 1

如果数字是可变长度的，那么您将需要正则表达式模块＆＃34;重新＆＃34;

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'

正则表达式通常用于匹配变量字符串。我刚才写的正则表达式是：

找到下划线（＆＃34; _＆＃34;），后跟可变数字位数（＆＃34; [0-9] +＆＃34;），后跟字符串中的最后一个句点（＆＃34; \ [^ \。] + $＆＃34;。）

Answer 2

您可以在python中使用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所需的模式：

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

上面的代码段将返回ID_后面的文件名部分并将其打印出来。因此，对于您的示例，它将返回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

这是使用其他答案中提到的re模块的简单解决方案。

# 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

以下应该是你的输出。您应该能够将其与其他模式相适应。

# Output
123
456

古德勒克！

Answer 4

以下是使用re.split()的另一种选择，这可能更接近您正在尝试做的精神（尽管解决方案包含re.match()和{{1}除其他外，它们同样有效，有用和有启发性：

re.search()

Answer 5

你可能想使用glob，它是文件globbing的python模块。在python帮助页面中，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']

用Python抓取部分文件名

5 个答案: