Question

我有大量的文件，试图批量重命名。这些文件名的模式在某种程度上是一致的，但是几乎没有什么障碍使我的基本正则表达式知识不足。

文件名通常是这样的： 1050327473 {913EDD51} 1st Filename [2nd Edition].txt

通过这段代码，我可以删除{}，[]和其他一些特殊字符之间的字符串：

new_file_name = re.sub(r'{.+?}', '', filename)
new_file_name = re.sub(r'\[.+?]', '', new_file_name)
new_file_name = ((new_file_name.split(" .pdf", 1)[0]) + '.pdf').translate({ord(i):None for i in '/\:*?"<>|_'})

并成功输出以下内容：

1050327473 1st Filename

但是，某些原始文件名与模式不同，我仍然必须删除10位数字。其他模式很少有这样的：

785723041X, 4844004976 {2C5ACB07} 1st Filename.txt
0383948600 {6A7528B5} 2nd Filename.txt
3263031418, 7966530910, 8070331430 {DCBAD13B} 3rd Filename.txt

预期输出是

1st Filename.txt
2nd Filename.txt
3rd Filename.txt

现在，我可以删除数字字符的每一位，但是文件名也会丢失一部分有意义的部分，并变成st Filename.txt。用诸如[10:]之类的字符串数组的某个部分也将不起作用，因为该数字的长度是可互换的。

我认为最合乎逻辑的事情是删除每10位数字字符，但是10位数字序列中的某些序列以X而不是10位数字结尾，例如785723041X。同样，如果10位数序列后跟逗号，则也应将其删除。

解决此问题的最佳方法是什么？只能使用正则表达式吗？

Answer 1

使用特定的正则表达式模式：

import re

filenames = ['785723041X, 4844004976 {2C5ACB07} 1st Filename.txt',
             '0383948600 {6A7528B5} 2nd Filename.txt',
             '3263031418, 7966530910, 8070331430 {DCBAD13B} 3rd Filename.txt']

pat = re.compile(r'\{[^{}]+\}|\[[^[]]+\]|\b\d{9}[\dX],?')
filenames = [pat.sub('', f).strip() for f in filenames]
print(filenames)

输出：

['1st Filename.txt', '2nd Filename.txt', '3rd Filename.txt']

正则表达式详细信息：

..|..|..-交替组（以匹配多个可能的正则表达式中的单个正则表达式）
\{[^{}]+\}-匹配用{}括起来的所有字符（它们本身除外，由字符类[^{}]+确保）
\[[^[]]+\]-匹配用[]括起来的所有字符（它们本身除外，由字符类[^[]]+确保）
\b\d{9}[\dX],?-匹配9位数字序列，后跟10位数字或X字符以及可选的尾随,字符

删除每10位数字

1 个答案: