如何从文件名自动创建python re模式？

Question

作为输入，我有一个文件名（例如“ bla150420.txt”），其中包含特定格式的日期。 我需要查看给定的文件夹（包含许多文件）并找到我文件的最新版本。 （而且我必须自动执行-对于不同文件夹中的不同文件，很多次。）示例目录（目录名）：

• ...
• bla150420.txt
• bla150425.txt
• bla150510.txt

输出示例：

• bla150510.txt

我该怎么办？ 我最初的方法是解析文件名中的日期，用RE模式替换日期，然后在所有文件名列表中搜索该模式。 这似乎不起作用。 任何想法？ 还是不同的方法？

    def get_date(file_name):
        DATE_RE = re.compile('([0-9]{6})')    #EDITED - TYPO
        try:
            match = DATE_RE.search(fname).group()
        except AttributeError:
            sys.stderr.write('ERROR! No date matches string!\n\t' + match)
        else:
            date = datetime.datetime.strptime(match, '%Y%m%d')
            return match, date

    date_string, current_date = get_date(fname)
    # fname is a given file name (e.g. bla150420.txt)

    pattern1 = re.compile(re.sub(date_string, '(.*)', fname))
    # pattern1 returns value 'kds_docs-(.*).zip'

    pattern2 = re.compile('kds_docs-(.*).zip')

    if os.path.isdir(dirname):
        matching_files = [x for x in os.listdir(dirname) 
                          if pattern1.search(x)]

对我来说，这是一个奇迹，我的程序只能用于pattern2，而不能用于pattern1。 如果我打印这两个（使用.pattern），则结果看起来相同，如果将其与'=='进行比较，则返回False。 我不知道这是否是因为编码/空格/其他原因，也不知道如何找到差异。 能否请你帮忙？

Answer 1

我认为您只是在以自动化方式生成有效的正则表达式方面遇到问题。

Serge指出，由于您的日期似乎只有6位数字而不是8位数字，所以您提出的代码应该被绊倒了，但是第一个正则表达式需要8位数字-请更正或解释一下，如果它不是一个错字。

我想您正在寻找验证是否所有数字字符串实际上都是一个日期，但这似乎是不必要的，因为文件名可以包含一个数字字符串，它可以解析为日期，但不是您要查找的日期-不理想。 让我知道是否必须约会。

我不熟悉Python的复杂性，但建议不要使用函数来简化regex的生成：

pattern1 = re.compile(re.sub('([0-9]{6})', '(.*)', fname))

只需直接进行替换即可。 我想说，像这样走得更远可能更安全：

pattern1 = re.compile(re.sub('([0-9]{6})', '(\d{6})', fname))

...如果还有其他可能的限制，则可以进一步限制6位数字的匹配。 例如，6位数的字符串可能总是在文件名的末尾，即扩展名之前：

pattern1 = re.compile(re.sub('([0-9]{6})(?=\..*$)', '(\d{6})', fname))
# should turn 'kds_docs-120501-151023.zip' into 'kds_docs-150510-(\d{6}).zip'