python - 根据文件名循环和匹配文件并追加的脚本

Question

我有一个包含许多文件的目录，这些文件的名称如下:

1234_part1.pdf
1234.pdf
5432_part1.pdf
5432.pdf
2323_part1.pdf
2323.pdf
etc.

我正在尝试合并文件的第一个数字部分相同的 pdf。我有代码可以一次执行此操作，但是当我在目录中有超过 500 个文件时，我不确定如何循环，这是我目前所拥有的:

from PyPDF2 import PdfFileMerger, PdfFileReader
merger = PdfFileMerger()
merger.append(PdfFileReader(file('c:/example/1234_part1.pdf', 'rb')))
merger.append(PdfFileReader(file('c:/example/1234.pdf', 'rb')))
merger.write("c:/example/ouput/1234_combined.pdf")

理想情况下，输出文件为 'xxxx_combined_<today's date>.pdf' .即 1234_combined_051719.pdf

而且如果有一个数字文件只有第 1 部分或其他文件，它不会合并 —即如果有 9999_part1.pdf , 但没有 9999.pdf ，那么 '9999_combined_<today's date>.pdf' 将没有输出.

Answer 1

尝试使用 os.listdir() 获取目录中的所有文件然后在字符串(文件名)末尾使用 .split() 来隔离pdf文件编号。然后在您创建的文件列表中查找该数字模式。

import os
from PyPDF2 import PdfFileMerger, PdfFileReader

dir = 'my/dir/of/pdfs/'
file_list = os.listdir(dir)
num_list = []

for fname in file_list:
    if '_' in fname:  # if the filename has an underscore in it
        file_num = fname.split('_')[0]  # get's first element in list of splits
    else:
        file_num = fname.split('.')[0]
    if file_num not in num_list:
        num_list.append(file_num)

# now you have a list of all of your file numbers you can grab all files
# in the file_list containing that number
for num in num_list:
    pdf_parts = [x for x in file_list if num in x] # grabs all files with that number
    if len(pdf_parts < 2):  # if there is only one pdf with that num ...
        continue  # skip it!
    # your pdf append operation here for each item in the pdf_parts list.
    # something like this maybe ...

    merger = PdfFileMerger()
    # sorts list by filename length in decending order so that 
    # '_part' files come first
    sorted_pdf_parts = pdf_parts.sort(key=len, reverse=True) 
    for part in sorted_pdf_parts:
        merger.append(PdfFileReader(file(dir + part, 'rb')))
    merger.write('out/dir/' + num + '_combined.pdf')