从目录中读取文件名

Question

我想使用glob获得两个单独的文件名列表，每个列表具有相同类型的文件。 我有两种类型的数据文件。 例如，

1. 2018-01-02.dat
2. 2018-01-02_patients.dat

唯一的区别是第二个文件类型后跟“_patients”。 日期可以是任何格式，但格式是一致的。 我怎样才能使用glob实现这一目标？

Answer 1

要精确匹配数字，可以使用glob模式：

[0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9].dat  # matches e.g. 2018-01-02.dat
[0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9]_patients.dat  # matches e.g. 2018-01-02_patients.dat

你也可以使用? 而不是[0-9]匹配任何单个字符，如果你确定没有任何其他相似的模式。

In [103]: glob.glob('[0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9].dat')
Out[103]: ['2018-01-02.dat', '2014-03-12.dat']

In [104]: glob.glob('[0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9]_patients.dat')
Out[104]: ['2018-01-02_patients.dat', '2014-03-12_patients.dat']

Answer 2

您可以使用re有glob ：

import glob
import re
final_files = [i for i in glob.glob('*') if re.findall('\.dat$|_patients\.dat$', i)]

Answer 3

如果这些是目录中只有两种类型的文件，只需使用两个列表并从较大的列表中删除重复项，这样就可以获得所需的列表。
像这样的东西......

list1 = glob.glob('*.dat')
list2 = glob.glob('*_patients.dat')

result_list_2 = list2
result_list_1 = [x for x in list1 if x not in list2]

Answer 4

touch 2018-01-02_patients.dat 2018-01-02.dat 1980-01-02.dat 1980-01-02_patients.dat

PGM：

import glob
li = glob.glob("????-*-*.dat")

patients = [fn for fn in li if "patients." in fn]
dates = [fn for fn in li if not "_patients." in fn]

print ("patients", patients)
print ("dates", dates)

输出：

('patients', ['1980-01-02_patients.dat', '2018-01-02_patients.dat'])
('dates', ['1980-01-02.dat', '2018-01-02.dat'])

Answer 5

glob不是特别适合这个任务，但正则表达式是。 您可以使用os.listdir(path获取所有文件列表的os.listdir(path并使用re.match确保存在日期，可能后跟“_patients”，后面跟着“.dat”。这就是我如何做到这一点：

import re
import os

pattern = '[0-9]{4}-[0-9]{2}-[0-9]{2}(_patients)?\.dat$'
def is_patient_file(filename):
    return re.match(pattern, filename) is not None

def get_patient_files(path):
    all_files = os.listdir(path)
    return filter(is_patient_file, all_files)

print(get_patient_files('.'))

正则表达式的部分是：

• 日期： [0-9]{4}-[0-9]{2}-[0-9]{2}
  • 也就是说，四位数，短划线，两位数，短划线，两位数。
• 也许患者:( (_patients)?患者(_patients)?
• 肯定.dat： \\.dat
• 并且不再： $