使用Python抓取文件名的一部分

Question

新手在这里。

我刚刚使用Python /编码几天了，但是我想创建一个脚本，该脚本可以捕获与某种模式相对应的文件名的一部分，并将其输出到文本文件中。

因此，就我而言，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.)

我希望脚本通过这些文件名，在“ ID_”之后和文件扩展名之前获取字符串。

您能否指出我可以使用哪些Python模块以及可能提供帮助的指南？

Answer 1

如果数字是可变长度，则需要使用正则表达式模块“ re”

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。 我刚写的正则表达式说：

查找下划线（“ _”），后跟可变数量的数字（“ [0-9] +”），后跟字符串的最后一个句点（“ \\。[^ \\。] + $”）

Answer 2

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

下面应该是您的输出。 您应该能够使它适应其他模式。

# Output
123
456

祝好运！

Answer 3

这是使用re.split()的另一种选择，它可能更接近您要尝试做的工作的精神（尽管使用re.match()和re.search()等解决方案同样有效） ，实用且有启发性）：

>>> import re
>>> re.split("[_.]", "dddddd_ID_4421.pdf")[-2]
'4421'
>>> 

Answer 4

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_之后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 5

您可能要使用glob，这是用于文件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']