如何从文件名列表中统计并返回最常见的文件扩展名？

问题分析 #

你之前用split('.')提取扩展名的方式不可靠，容易出现两种错误：

• 文件名包含多个点时（比如report.v2.pdf），split('.')会分割成多个部分，若处理不当会提取错误的后缀；
• 隐藏文件（比如.bashrc）会被误判为有扩展名，而实际上这类文件没有标准扩展名。
  另外，若你没有正确遍历每个文件并提取单个扩展名，而是直接将分割后的所有字符传入Counter，就会出现统计字符而非扩展名的问题。

正确解决方案 #

使用Python标准库的os.path.splitext()来提取扩展名，它能处理各种边界情况，结合collections.Counter统计频率，最后筛选出出现次数最多的扩展名。

完整代码 #

import os
from collections import Counter

def most_common_extensions(filenames):
    # 收集所有有效的文件扩展名
    extensions = []
    for filename in filenames:
        # splitext返回(文件名主体, 扩展名)，扩展名包含开头的点
        ext = os.path.splitext(filename)[1]
        if ext:  # 跳过没有扩展名的文件
            extensions.append(ext)
    
    if not extensions:
        return []  # 没有扩展名时返回空列表
    
    # 统计扩展名出现次数
    ext_counter = Counter(extensions)
    # 获取最高出现次数
    max_count = max(ext_counter.values())
    # 筛选出所有出现次数等于最高次数的扩展名
    return [ext for ext, count in ext_counter.items() if count == max_count]

示例验证 #

假设输入文件名列表：

sample_files = ["main.cpp", "index.html", "utils.cpp", "about.html", "logo.jpg"]
print(most_common_extensions(sample_files))

输出结果：

[".cpp", ".html"]

完全符合你的预期。

为什么这个方案更可靠 #

• os.path.splitext()会正确识别文件的扩展名：
  • 对于file.txt，返回("file", ".txt")；
  • 对于archive.tar.gz，返回("archive.tar", ".gz")；
  • 对于.gitignore，返回(".gitignore", "")，会被我们的代码过滤掉；
• 通过遍历每个文件并单独提取扩展名，确保Counter统计的是完整的扩展名而非零散字符。

内容的提问来源于stack exchange，提问作者Mohnnad02