用於簡單模式的正則表達式

Question

問題

我有一個圖像數據集，描述了出​​現在特定圖像中的不同活動。 數據集中的每個圖像都命名為<activity>_<num> 。 例如， educating_13.jpg ， practicing_147.jpg等。

現在，我想選擇具有相同活動的圖像，例如說“烹飪”，因此我決定使用Python中的re模塊進行此操作。 我寫的腳本就像

pattern = "^(\w+)_(\d+)$"
for filename in os.listdir("."):
    root, _ = os.path.splitext(filename)
    activity = re.match(pattern, root).group(1)
    if activity == "cooking":
        # do something

但是，即使成功處理了許多圖像。 最終它因AttributeError中止。 似乎某些圖像無法與指定的圖案匹配。

那我會犯一些錯誤嗎？ 任何輸入表示贊賞。

編輯：

通過在Python中使用異常機制，結果證明近15萬張圖像中有一個名為temp.txt的文本文件，這是違反模式的文件。

Answer 1

不使用正則表達式。 使用str.split

例如：

for filename in os.listdir("."):
    root, _ = os.path.splitext(filename)
    if "_" in root:
        activity, num = root.split("_")
        if activity == "cooking":
            # do something

Answer 2

如果不匹配re.match(pattern, root)可以返回None

1. 您可以檢查re.match(pattern, root) == None並找到圖像
2. 使用https://regex101.com/檢查圖像名稱的正則表達式

Answer 3

如果re.match(pattern, root)為None，則調用.group(1)將給您屬性錯誤。 因此，在某些情況下，您似乎無法匹配目錄中的所有條目。

很難知道哪個問題給您帶來了麻煩，但是默認情況下\\w只匹配[a-zA-Z0-9_] ，因此：

• 是否有文件包含標點符號（例如％）？
• 是否有任何文件包含非ASCII字符（例如ñ）？
• 目錄中是否還有與數據集無關的文件？

您可以發布目錄列表，然后也許我們可以找到文件。