【问题标题】：how to get file name using regular expression in python如何在python中使用正则表达式获取文件名
【发布时间】：2021-03-09 06:12:47
【问题描述】：

我有一个 Python 脚本，列出了给定路径中的文件夹和文件，我想找到一个以数字和当前日期开头的 pdf 文件。为此，我使用了正则表达式，但问题是系统与请求的文件不匹配。

regular expression = [0-9]+_[0-3]?[0-9]-[0-3]?[0-9]-(?:[0-9]{2})?[0-9]{2}$

文件名示例：10204_09-03-2021.pdf

我的代码中的错误在哪里？

代码：

for file in files:
   if file.endwith("pdf"):
      if file == re.findall("^[0-9]+_[0-3]?[0-9]-[0-3]?[0-9]-(?:[0-9]{2})?[0-9]{2}$",file)
         shutil.copy(filename,destination)

【问题讨论】：

$ 表示匹配必须在行尾结束。 .pdf 呢？以\.pdf$ 结尾。
将 .pdf 添加到正则表达式的末尾
我试过你的评论，但还是没找到
可能是因为你在做file == re.findall(...)。 File 是一个字符串，在这种情况下 re.findall() 将返回一个列表。
什么是filename？这里不应该是file吗？

标签： python regex shutil

【解决方案1】：

当您的文件名为10204_09-03-2021.pdf。您的正则表达式模式不会匹配它，因为它应该以 [0-9]{2}$ 结尾，因为 $.但是你的文件名是 10204_09-03-2021.pdf，所以它总是以 .pdf 结尾。

在和[0-9]{2} 和$ 之间添加一个.pdf 将匹配它。例如 -

>>> import re
>>> file = "10204_09-03-2021.pdf"
>>> pattern = re.compile(r"[0-9]+_[0-3]?[0-9]-[0-3]?[0-9]-(?:[0-9]{2})?[0-9]{2}\.pdf$")
>>> pattern.findall(file)
['10204_09-03-2021.pdf']

还要注意file == re.findall(...) 中的文件是一个字符串，而 re.findall(...) 是一个列表。因此，即使匹配，您也会得到 False 。您可以尝试使用re.fullmatch，它返回Match Object（其中布尔值始终为True）或None（如果不匹配）。或者，你可以file in re.findall(...)

【讨论】：

仍然没有找到请求的文件
是你的文件名不匹配还是其他原因？因为这种模式应该。

【解决方案2】：

你可以使用

import os, re, shutil
destination = r'new/folder/path'
files = ['folder/10204_09-03-2021.pdf', 'folder/04_09-03-2021.pdf']
rx = re.compile(r'^[0-9]+_[0-3]?[0-9]-[0-3]?[0-9]-(?:[0-9]{2})?[0-9]{2}\.pdf$', re.I)
for file in files:
    if rx.match(os.path.basename(file)):
        #shutil.copy(filename,destination)
        print(file) # Just print here
# => folder/10204_09-03-2021.pdf, folder/04_09-03-2021.pdf

请参阅Python demo 和regex demo。

注意：正则表达式仅应用于文件路径的基本名称（文件名本身，带有扩展名）。因此，\.pdf 被添加到正则表达式模式中，^/$ 锚确保整个字符串必须与正则表达式匹配。在此处使用 re.match 会产生与 re.search 或 re.fullmatch 相同的结果。

正则表达式详细信息：

^ - 字符串开头
[0-9]+ - 一位或多位数字
_ - 一个 _ 字符
[0-3]?[0-9] - 从0 到3 的可选数字，然后是任意一位数字
- - 一个连字符
[0-3]?[0-9]- - 从 0 到 3 的可选数字，然后是任意一位数字，然后是连字符
(?:[0-9]{2})? - 可选的两位数序列
[0-9]{2} - 两位数
\.pdf - .pdf 字符串
$ - 字符串结束。

由于re.I 标志，正则表达式不区分大小写。

【讨论】：