在 Python 中提取文件名的后缀

Question

我正在使用 Python 从文件名列表中创建 HTML 链接。 文件名的格式如下：song1_lead.pdf、song1_lyrics.pdf。 他们也可以有像song2_with_extra_underscores_vocals.pdf这样的名字。 但共同点是它们都以 _someText.pdf 结尾

我的目标是只提取 someText 部分，在最后一个下划线之后，而不是 .pdf 扩展名。 所以 Song1_lyrics.pdf 结果只有：歌词

我有以下 Python 代码可以达到我的目标，但似乎我正在以艰难的方式做到这一点。 有没有更有效的方法来做到这一点？

testString = 'file1_with_extra_underscores_lead.pdf'

#Step 1: Separate string using last occurrence of under_score
HTMLtext = testString.rpartition('_')
# Result: ('file1_with_extra_underscores', '_', 'lyrics.pdf')

#Step 2: Separate the suffix and .pdf extension. 
HTMLtext = HTMLtext[2].rpartition('.')
#Result: ('lead', '.', 'pdf')

#Step 3: Use the first item as the end result.
HTMLtext = HTMLtext[0] #Result: lead

我在想我想要做的事情可以用更少的代码行来完成，而且不必像我现在所做的那样多次设置 HTMLtext。

Answer 1

您可以使用pathlib 中的Path 来提取最终路径组件，而无需其后缀：

from path import Path
Path('file1_with_extra_underscores_lead.pdf').stem.split('_')[-1]

输出：

'lead'

Answer 2

正如@wwii 在其评论中所说，您应该使用os.path.splitext专门用于将文件名与其扩展名分开，而str.split / str.rsplit专门用于在字符处剪切字符串。 使用这些函数有几种方法可以实现您想要的。

与@wwii 不同，我首先放弃扩展名：

test_string = 'file1_with_extra_underscores_lead.pdf'
filename = os.path.splitext(test_string)[0]
print(filename)  # 'file1_with_extra_underscores_lead'

然后我会使用split或rsplit ，带有maxsplit参数或选择结果列表的最后一个（或第二个索引）（根据使用的方法）。 以下每一行都是等效的（至少在功能方面）：

filename.split('_')[-1]  # splits at each underscore and selects the last chunk
filename.rsplit('_')[-1]  # same as previous line except it splits from the right of the string
filename.rsplit('_', maxsplit=1)[-1]  # split only one time from the right of the string and selects the last chunk
filename.rsplit('_', maxsplit=1)[1]  # same as previous line except it select the second chunks (which is the last since only one split occured)

最好的可能是最后两个解决方案之一，因为它不会进行无用的拆分。

---

为什么这个答案比其他答案好？ （至少在我看来）

• 使用pathlib很好，但将文件名与其扩展名分开有点过分， os.path.splitext可能更有效。
• 将切片与rfind一起使用是rfind但它并没有清楚地表达代码意图，而且可读性不强。
• 如果您确定永远不会使用 PDF 以外的任何其他内容，则使用endswith('.pdf')是可以的。 如果有一天你使用.txt ，你将不得不重新编写你的代码。
• 我喜欢正则表达式，但在这种情况下，它与前面讨论的 2 个解决方案存在相同的问题：没有明确的意图，可读性不强，如果有一天你使用其他扩展，你将不得不重新编写它。

使用splitext清楚地表明您对扩展做了一些事情，并且第一个项目选择非常明确。 这仍然适用于任何其他扩展。 使用rsplit('_', maxsplit=1)并选择最后一个索引也非常具有表现力，并且比任意看起来的切片清晰得多。

Answer 3

这应该没问题：

testString = 'file1_with_extra_underscores_lead.pdf'
testString[testString.rfind('_') + 1:-4]

但是，这里没有错误检查。 如果字符串中没有“_”，则会失败。 您也可以使用正则表达式。 那应该不难。

基本上我自己不会这样做。 除非您 100% 确定不需要异常处理，否则最好进行一些异常处理。

Answer 4

这将适用于“..._lead.pdf”或“..._lead.pDf”：

import re
testString = 'file1_with_extra_underscores_lead.pdf'
m = re.search('_([^_]+)\.pdf$', testString, flags=re.I)
print(m.group(1) if m else "No match")