python - 使用 python 查找 PDF 和 DOC 文件并将其移动到不同的目录

Question

我尝试查找 PDF 和 DOC 格式的简历并将其移动到不同的目录，/PDF 目录中的 PDF 文件和 /DOCX 目录中的 DOC 文件。我担心的是；

1. 查找 PDF 和 DOC 文件的正则表达式是否正确？简历的命名例如:john right ResumeQA.doc、abcResumeC.doc、ShawnResume.pdf、johnright_ResumeQA.pdf

2. 我在 IDE 上或输出文件中都没有得到任何计数或输出。

我想出的代码如下:

import os, sys, re

countpdf, countdoc = 0, 0

pdf = re.compile(r'\b\w*{resume}\w*\.[pdf]\b')
docx = re.compile(r'\b\w*{resume}\.[doc]\b]')

#os.mkdir(r'/Users/Desktop/Networking materials/PDF')
pdfdir = os.path.dirname(r'/Users/Desktop/Networking materials/PDF/')
print  pdfdir

#os.mkdir(r'/Users/Desktop/Networking materials/DOCX')
docxdir = os.path.dirname(r'/User/Desktop/Networking materials/DOCX/')
print docxdir

out = sys.stdout
with open('output.txt', 'w') as outfile:
     sys.stdout = outfile
     for rdir, directory, files in os.walk(r'/Users/Desktop/Networking materials/'):
         match1 = re.findall(pdf, str(files))
         print match1
         for items1 in match1:
             os.chdir(pdfdir)
             countpdf +=1
         print countpdf

         match2 = re.findall(docx, str(files))
         print match2
         for items2 in match2:
             os.chdir(docxdir)
             countdoc +=1
         print countdoc
         sys.stdout = out

到目前为止我得到的唯一输出是:

 /Users/Desktop/Networking materials/PDF
 /Users/Desktop/Networking materials/DOCX

你们中的任何人都可以更正我的代码吗？如果可能，请建议一种更有效的方法来完成此任务。

Answer 1

不，您的正则表达式不正确，您可以在 python shell 中轻松测试它们:

In [17]: a
Out[17]: 
[u'john right ResumeQA.doc',
 u' abcResumeC.doc',
 u' ShawnResume.pdf',
 u' johnright_ResumeQA.pdf']

In [20]: pdf = '\b\w*{resume}\w*\.[pdf]\b'

In [21]: for j in a:
    print re.findall(pdf, j)
   ....:     
[]
[]
[]
[]

因为您没有看到任何匹配的内容。您应该使用一些正则表达式测试器来检查您的正则表达式(例如 this )。

我看到以下正则表达式:

pdf_re = ".+resume\w*\.pdf"
doc_re = ".+resume\w*\.doc"

只要您将 re.I 标志传递给正则表达式，就应该完全没问题，这将提示正则表达式引擎忽略大小写。上面的 pdf 正则表达式应该匹配任何开头有一些字符的字符串(点加号)，后跟字符串“resume”(忽略大小写)，后跟 0 个或多个类似单词的字符(所以字母)，后跟实际的点(.dot是特殊字符，因此需要转义)，后跟字符串 pdf。

re.findall(".+resume.*\.pdf", j, re.I)

查看其余代码。

不需要此调用:sys.stdout = outfile。如果你想写入文件，只需使用 outputfile.write(content)

您在此处搜索文件的方式 match1 = re.findall(pdf, str(files))，这不是您想要的继续方式。 `files' 包含文件列表，您想要找到要移动的特定文件，您不想处理连接在一起的所有文件名。

下一步:os.chdir 实际上更改了工作目录，它不会更改文件的位置，也不会移动文件。要移动文件，请检查此 question on SO

所以你需要做一些事情:

for rdir, directory, files in os.walk(r'/home/pawel/Documents'):
         for f in files:
             match = re.findall(pdf_re, f)
             if match:
                 matching_file = os.path.join(rdir, f)
                 target_location = os.path.join(pdfdir, f)
                 os.rename(matching_file, target_location)