从Python中的文件名中提取子字符串？

Question

我有一个充满文件的目录，这些文件的日期字符串是文件名的一部分：

file_type_1_20140722_foo.txt
file_type_two_20140723_bar.txt
filetypethree20140724qux.txt

我需要从文件名中获取这些日期字符串，并将它们保存在数组中：

['20140722', '20140723', '20140724']

但是它们可以出现在文件名的不同位置，所以我不能只使用子字符串表示法并直接提取它。 过去，我在Bash中完成类似操作的方式如下：

date=$(echo $file | egrep -o '[[:digit:]]{8}' | head -n1)

但是我不能为此使用Bash，因为它在数学上很烂 （我需要能够加减浮点数）。 我已经尝试过glob.glob()和re.match() ，但是都返回空集：

>>> dates = [file for file in sorted(os.listdir('.')) if re.match("[0-9]{8}", file)]
>>> print dates
>>> []

我知道问题在于它正在寻找八位数字长的完整文件名，但是我不知道如何使它查找子字符串。 有任何想法吗？

Answer 1

>>> import re
>>> import os
>>> [date for file in os.listdir('.') for date in re.findall("(\d{8})", file)]
['20140722', '20140723']

请注意，如果文件名具有9位数字的子字符串，则仅前8位数字将被匹配。 如果文件名包含16位数字的子字符串，将有2个不重叠的匹配项。

Answer 2

re.match从字符串开头开始匹配。 re.search在任何地方匹配模式。 或者，您可以尝试以下操作：

extract_dates = re.compile("[0-9]{8}").findall
dates = [dates[0] for dates in sorted(
    extract_dates(filename) for filename in os.listdir('.')) if dates]

Answer 3

您的正则表达式看起来不错，但是您应该使用re.search而不是re.match，以便它将在字符串中的任何位置搜索该表达式：

import re
r = re.compile("[0-9]{8}")
m = r.search(filename)
if m:
    print m.group(0)