Wie durchsuche ich Verzeichnisse und finde Dateien, die mit Regex übereinstimmen?

Das hat wirklich gut funktioniert, gibt es eine Möglichkeit, dies zu tun, wenn eine Übereinstimmung in der Regex-Gruppe 1 gefunden wird, und dies zu tun, wenn eine Übereinstimmung in der Regex-Gruppe 2 usw. gefunden wird? – Nillenilsson

import os
import re

regex = re.compile('(.*zip$)|(.*rar$)|(.*r01$)')
rx = '(.*zip$)|(.*rar$)|(.*r01$)'

for root, dirs, files in os.walk("../Documents"):
  for file in files:
    res = re.match(rx, file)
    if res:
      if res.group(1):
        print("ZIP",file)
      if res.group(2):
        print("RAR",file)
      if res.group(3):
        print("R01",file)

Es könnte möglich sein, dies auf eine schönere Weise zu tun, aber das funktioniert.

Hier ist eine Alternative mit glob .

from pathlib import Path

rootdir = "/mnt/externa/Torrents/completed"
for extension in 'zip rar r01'.split():
    for path in Path(rootdir).glob('*.' + extension):
        print("match: " + path)

Da Sie ein Anfänger sind, würde ich die Verwendung von glob empfehlen anstelle eines schnell geschriebenen File-Walking-Regex-Matchers.

Schnipsel von Funktionen mit glob und ein file-walking-regex matcher

Das folgende Snippet enthält zwei Datei-Regex-Suchfunktionen (eine mit glob und der andere mit einem benutzerdefinierten File-Walking-Regex-Matcher). Das Snippet enthält auch eine "Stoppuhr"-Funktion, um die beiden Funktionen zu timen.

import os
import sys
from datetime import timedelta
from timeit import time
import os
import re
import glob

def stopwatch(method):
    def timed(*args, **kw):
        ts = time.perf_counter()
        result = method(*args, **kw)
        te = time.perf_counter()
        duration = timedelta(seconds=te - ts)
        print(f"{method.__name__}: {duration}")
        return result
    return timed

@stopwatch
def get_filepaths_with_oswalk(root_path: str, file_regex: str):
    files_paths = []
    pattern = re.compile(file_regex)
    for root, directories, files in os.walk(root_path):
        for file in files:
            if pattern.match(file):
                files_paths.append(os.path.join(root, file))
    return files_paths


@stopwatch
def get_filepaths_with_glob(root_path: str, file_regex: str):
    return glob.glob(os.path.join(root_path, file_regex))

Vergleich der Laufzeiten der oben genannten Funktionen

Bei Verwendung der beiden obigen Funktionen, um 5076-Dateien zu finden, die mit dem Regex filename_*.csv übereinstimmen in einem Verzeichnis namens root_path (enthält 66.948 Dateien):

>>> glob_files = get_filepaths_with_glob(root_path, 'filename_*.csv')
get_filepaths_with_glob: 0:00:00.176400

>>> oswalk_files = get_filepaths_with_oswalk(root_path,'filename_(.*).csv')
get_filepaths_with_oswalk: 0:03:29.385379

Die glob -Methode ist viel schneller und der Code dafür ist kürzer.

Für Ihren Fall

Für Ihren Fall können Sie wahrscheinlich so etwas wie das Folgende verwenden, um Ihren *.zip zu erhalten ,*.rar und *.r01 Dateien:

files = []
for ext in ['*.zip', '*.rar', '*.r01']:
    files += get_filepaths_with_glob(root_path, ext) 

Ich würde es so machen:

import re
from pathlib import Path

def glob_re(path, regex="", glob_mask="**/*", inverse=False):
    p = Path(path)
    if inverse:
        res = [str(f) for f in p.glob(glob_mask) if not re.search(regex, str(f))]
    else:
        res = [str(f) for f in p.glob(glob_mask) if re.search(regex, str(f))]
    return res

HINWEIS:Standardmäßig werden alle Unterverzeichnisse rekursiv gescannt. Wenn Sie nur das aktuelle Verzeichnis scannen möchten, sollten Sie explizit glob_mask="*" angeben