Question

我有一个.xlsx文件名列表，这些文件名的末尾附有日期，例如JAK_--_USA_2019-01-07.xlsx。列表中有多个这些文件名，但是我只需要在文件名后附加最新日期即可。因此，我可以有一个文件JAK_--_USA_2019-01-07.xlsx，然后在列表中还有一个文件名JAK_--_USA_2019-01-08.xlsx。我只想要具有最新日期的文件名。我想从列表中删除任何其他内容。

以下是我正在使用的文件的简短列表：

    files = ['JAK_--_USA_2019-01-07.xlsx','JAK_--_USA_2019-01-08.xlsx','DAG_- 
              -_USA_2019-01-31.xlsx','DAG_--_USA_2019-06-01.xlsx']

到目前为止，我尝试创建的正则表达式将日期和文件的开头部分分成单独的列表（“ matches”和“ dates”）。正则表达式可以正常工作，可以将文件一分为二。之后，我迷失了如何仅获取所需文件的方法。我什至不知道正则表达式是否正确。我将列表按降序排列，因为它将把该组文件的最新日期放在文件序列的开头。


files = ['JAK_--_USA_2019-01-07.xlsx','JAK_--_USA_2019-01-08.xlsx','DAG_- 
          -_USA_2019-01-31.xlsx','DAG_--_USA_2019-06-01.xlsx']

files.sort(reverse=True)
matches = []
dates = []
for file in files:
    match = re.search(r'([a-zA-Z0-9]+)(\_([a-zA-Z0-9\-]*|--))(\_[a-zA- 
    Z]*)* (\_[a-zA-Z]+_)(\d{4}-\d{2}-\d{2})', file)
    date = re.search(r'\d{4}-\d{2}-\d{2}',file)
    matches.append(match.group(0))
    dates.append(date.group(0))

我希望只有两个文件的列表具有最接近的日期。见下文：

new_list = ['JAK_--_USA_2019-01-08.xlsx','DAG_--_USA_2019-06-01.xlsx']

Answer 1

由于文件名结构看起来很稳定，我建议您采用一种简单的解析方法。

类似的东西：

files = ['JAK_--_USA_2019-01-07.xlsx','JAK_--_USA_2019-01-08.xlsx','DAG_--_USA_2019-01-31.xlsx','DAG_--_USA_2019-06-01.xlsx']

dates = [(name.split('_')[-1].split('.')[0], i) for i, name in enumerate(files)] # split filename as such since its consistent, record indices also

dates.sort(reverse=True)

# index into files to get full name, this should give you the most recent file
print files[dates[0][1]]

Answer 2

您可以将日期字符串转换为datetime对象，并使用其属性对列表进行排序。

from datetime import datetime

def extract_date(file_name):
    date_str = file_name[-15:-5]
    return datetime.strptime(date_str, '%Y-%m-%d')

files = ['JAK_--_USA_2019-01-07.xlsx','JAK_--_USA_2019-01-08.xlsx','DAG_--_USA_2019-01-31.xlsx','DAG_--_USA_2019-06-01.xlsx']

print(sorted(files, key=extract_date))

对列表进行排序后，您可以提取您感兴趣的元素。

如果文件名格式与您提到的格式完全相同，则函数extract_date将起作用。如果不是，则可以在此函数中放置一些正则表达式代码，它也应该可以工作。

按日期拆分同一文件的多个文件，然后选择具有最新日期的文件

2 个答案: