如何在 Python 中正确使用列表推导？

Question

我有两个目录。它们都包含 TXT 文件。对于dir_1 中的每个TXT 文件，我正在尝试在dir_2 中获取匹配的TXT 文件。如果dir_1 的日期（在文件名中）与dir_2 中的文件日期匹配，则匹配。

dir_1 = c:\data\desktop\pointA\txt-files
dir_2 = c:\data\desktop\pointB\txt-files

dir_1 包含这样的文件（这些目录可以包含多个相同日期但不同时间的文件）：

AAA_C1_20200907-07u43m55s_ab.txt
AAA_T8_20200907-08u18m55s_ab.txt
FFF_T8_20201025-12u58m55s_ab.txt
FFF_T8_20201025-05u53m55s_ab.txt

dir_2 包含这样的文件（这些文件具有唯一的日期）：

MM2020-09-07-AB.dat
MM2020-10-25-AB.dat
MM2020-10-26-AB.dat

这是我的代码：

dir_1 = os.listdir(dir_1)
dir_2 = os.listdir(dir_2)

dir_2_dates = []
for file in dir_2:
    find = re.search("MM(.+?)AB", file).group(1)
    dir_2_dates.append(find)

for dir_1_file in dir_1:
    dir_1_date = re.search("_(.\d+)-", dir_1_date ).group(1)
    if dir_1_date in dir_2_dates:
            
            matching_dir_2 = [file for file in dir_2 if file == dir_1_date ]
            print(matching_dir_2)

期望的输出：

MM20200907AB.dat
MM20200907AB.dat
MM20201025AB.dat
MM20201025AB.dat

我当前的输出是空的

Answer 1

有几个问题。您的第一个数据匹配会留下斜杠。所以这消除了这一点。接下来，您将匹配斜线到不匹配，所以这会去除那些。最后，我不知道为什么在最后一个 for 循环中有一个理解。这是一个有效的实现，但我不确定它是否是您所追求的，因为您想要的输出列出了 4 个文件，这些文件甚至都不存在于任何一个列表中。

import re

DIR1 = [
    "AAA_C1_20200907-07u43m55s_ab.txt",
    "AAA_T8_20200907-08u18m55s_ab.txt",
    "FFF_T8_20201025-12u58m55s_ab.txt",
    "FFF_T8_20201025-05u53m55s_ab.txt",
]

DIR2 = [
    "MM2020-09-07-AB.dat",
    "MM2020-10-25-AB.dat",
    "MM2020-10-26-AB.dat",
]

dir_2_dates = []
for file in DIR2:
    find = re.search("MM(.+?)-AB", file).group(1).replace("-", "")
    dir_2_dates.append(find)

print([x for x in DIR1 if re.search("_(.\d+)-", x).group(1) in dir_2_dates])

输出：

[
    'AAA_C1_20200907-07u43m55s_ab.txt',
    'AAA_T8_20200907-08u18m55s_ab.txt',
    'FFF_T8_20201025-12u58m55s_ab.txt',
    'FFF_T8_20201025-05u53m55s_ab.txt'
]

Answer 2

我建议首先将 dir_2 中的文件名分组到字典中，使用日期作为键。这样，您不必为来自dir_1 的每个文件再次搜索整个dir_2。 然后，您可以在该字典中查找来自dir_2 的文件，以查找来自dir_1 的文件中的任何日期。不过，请确保将日期标准化，使其具有相同的格式，即从 dir_2 中的日期中删除 -：

import re, collections

by_date = collections.defaultdict(list)
for f in dir_2:
    d = re.search("MM(.+?)-AB", f).group(1).replace("-", "")
    by_date[d].append(f)

for f in dir_1:
    d = re.search("_(.\d+)-", f).group(1)
    if d in by_date:
        print(f, "->", by_date[d])

这不使用列表推导，但应该快得多。

Answer 3

你在做

[file for file in dir_2 if file == dir_1_date ]

其中file是dir2中的文件名，即：

MM2020-09-07-AB.dat
MM2020-10-25-AB.dat
MM2020-10-26-AB.dat

并将 (==) 与 dir_1_date 进行比较

dir_1_date = re.search("_(.\d+)-", dir_1_date ).group(1)

因此dir_1_date 是后跟一个或多个数字的任何字符。因为文件名由字母、数字、- 和 . 组成，所以不可能相等。