（Python）如何搜索目录并查找与正则表达式匹配的文件？

Question

我最近开始使用Python，我很难根据我创建的正则表达式搜索目录和匹配文件。基本上我希望它扫描另一个目录中的所有目录，找到以.zip或.rar或.r01结尾的所有文件，然后根据它的文件运行各种命令。

import os, re

rootdir = "/mnt/externa/Torrents/completed"

for subdir, dirs, files in os.walk(rootdir):
    if re.search('(w?.zip)|(w?.rar)|(w?.r01)', files):
        print "match: " . files

Answer 1

import os
import re

rootdir = "/mnt/externa/Torrents/completed"
regex = re.compile('(.*zip$)|(.*rar$)|(.*r01$)')

for root, dirs, files in os.walk(rootdir):
  for file in files:
    if regex.match(file):
       print(file)

以下评论中的CODE BELLOW ANSWERS问题

  

这非常有效，如果在regex group 1上找到匹配，有没有办法做到这一点，如果在regex group 2上找到匹配，那么这样做吗？ - nillenilsson

import os
import re

regex = re.compile('(.*zip$)|(.*rar$)|(.*r01$)')
rx = '(.*zip$)|(.*rar$)|(.*r01$)'

for root, dirs, files in os.walk("../Documents"):
  for file in files:
    res = re.match(rx, file)
    if res:
      if res.group(1):
        print("ZIP",file)
      if res.group(2):
        print("RAR",file)
      if res.group(3):
        print("R01",file)

有可能以更好的方式做到这一点，但这是有效的。

Answer 2

鉴于您是一个初学者，我建议使用glob代替快速编写的file-walking-regex匹配器。

使用glob和file-walking-regex matcher的功能片段

下面的代码段包含两个文件正则表达式搜索功能（一个使用glob，另一个使用自定义文件遍历-正则表达式匹配器）。该代码段还包含一个“秒表”功能，用于对这两个功能进行计时。

import os
import sys
from datetime import timedelta
from timeit import time
import os
import re
import glob

def stopwatch(method):
    def timed(*args, **kw):
        ts = time.perf_counter()
        result = method(*args, **kw)
        te = time.perf_counter()
        duration = timedelta(seconds=te - ts)
        print(f"{method.__name__}: {duration}")
        return result
    return timed

@stopwatch
def get_filepaths_with_oswalk(root_path: str, file_regex: str):
    files_paths = []
    pattern = re.compile(file_regex)
    for root, directories, files in os.walk(root_path):
        for file in files:
            if pattern.match(file):
                files_paths.append(os.path.join(root, file))
    return files_paths


@stopwatch
def get_filepaths_with_glob(root_path: str, file_regex: str):
    return glob.glob(os.path.join(root_path, file_regex))

比较上述功能的运行时间

使用上述两个函数在名为filename_*.csv的目录中找到5076个与正则表达式root_path匹配的文件（包含66,948个文件）：

>>> glob_files = get_filepaths_with_glob(root_path, 'filename_*.csv')
get_filepaths_with_glob: 0:00:00.176400

>>> oswalk_files = get_filepaths_with_oswalk(root_path,'filename_(.*).csv')
get_filepaths_with_oswalk: 0:03:29.385379

glob方法更快，并且代码更短。

适合您的情况

对于您的情况，您可能可以使用以下类似的方法来获取*.zip，*.rar和*.r01文件：

files = []
for ext in ['*.zip', '*.rar', '*.r01']:
    files += get_filepaths_with_glob(root_path, ext) 

Answer 3

这是使用glob的替代方法。

from pathlib import Path

rootdir = "/mnt/externa/Torrents/completed"
for extension in 'zip rar r01'.split():
    for path in Path(rootdir).glob('*.' + extension):
        print("match: " + path)

Answer 4

我会这样：

import re
from pathlib import Path

def glob_re(path, regex="", glob_mask="**/*", inverse=False):
    p = Path(path)
    if inverse:
        res = [str(f) for f in p.glob(glob_mask) if not re.search(regex, str(f))]
    else:
        res = [str(f) for f in p.glob(glob_mask) if re.search(regex, str(f))]
    return res

注意：默认情况下，它将递归扫描所有子目录。如果只想扫描当前目录，则应显式指定glob_mask="*"