使用Python批量提取Zip包内CSV信息并生成可检索目录

问题场景 #

我有一个包含3000多个Zip文件夹的目录，每个Zip内有1-4个CSV文件：

• Zip文件夹命名格式：CSV_2023_Q2_XXXXXXX_XXXXXXX.ZIP
• CSV文件前缀：202306_COMPANY_NAME_LLC...，后缀包含_ident.CSV、_contracts.CSV、_indexPub.CSV、_transactions.CSV，且每个Zip至少包含_ident.csv（大小写可能不一致）
• 需求：遍历所有Zip，生成关联Zip名称与CSV中公司名称的可检索目录，优先输出为Excel文件

原代码问题分析 #

你提供的代码生成的CSV只有表头无数据，核心原因有两个：

1. 大小写不匹配：代码中判断file.endswith("_ident.csv")，但实际CSV文件后缀可能是大写.CSV，导致找不到目标文件，ident_file始终为None，无法添加数据到列表
2. 公司名提取逻辑不准确：原代码仅截取_ident.csv前的全部内容，包含了日期前缀（如202306_），不符合提取公司名称的需求

修复后的代码 #

以下是修正后的代码，同时满足Excel输出的需求：

import os
import zipfile
import pandas as pd

# 替换为你的目标目录路径
main_folder = "你的Zip文件夹根目录路径"
folder_file_info = []

# 遍历目录下所有文件
for root, dirs, files in os.walk(main_folder):
    for zip_filename in files:
        # 筛选Zip文件（忽略大小写）
        if zip_filename.startswith("CSV_") and zip_filename.lower().endswith(".zip"):
            zip_path = os.path.join(root, zip_filename)
            
            # 读取Zip内的文件列表
            with zipfile.ZipFile(zip_path, "r") as zip_ref:
                zip_file_list = zip_ref.namelist()
            
            # 查找_ident文件（忽略大小写）
            ident_file = next(
                (file for file in zip_file_list if file.lower().endswith("_ident.csv")),
                None
            )
            
            if ident_file:
                # 提取公司名称：先去掉_ident.csv后缀，再移除日期前缀（如202306_）
                name_part = ident_file.rsplit("_ident.csv", 1)[0].lower()
                # 分割日期前缀和公司名部分
                if "_" in name_part:
                    company_name = name_part.split("_", 1)[1].upper()  # 转回大写保持格式统一
                else:
                    company_name = name_part.upper()
                
                # 添加到结果列表
                folder_file_info.append({
                    "Zip文件夹名称": zip_filename,
                    "公司名称": company_name
                })

# 输出为Excel文件（优先）
excel_path = "Zip与公司名关联目录.xlsx"
df = pd.DataFrame(folder_file_info)
df.to_excel(excel_path, index=False, encoding="utf-8")

# 可选：同时输出CSV文件
csv_path = "Zip与公司名关联目录.csv"
df.to_csv(csv_path, index=False, encoding="utf-8")

print(f"文件已生成：\nExcel路径：{excel_path}\nCSV路径：{csv_path}")

代码说明 #

• 大小写兼容：通过lower()统一转换为小写判断，避免因文件名大小写差异导致的匹配失败
• 准确提取公司名：先移除_ident.csv后缀，再分割掉日期前缀（如202306_），仅保留公司名称部分
• Excel输出：使用pandas直接生成Excel文件，满足优先需求，同时保留CSV输出选项
• 鲁棒性：添加了对日期前缀分割的容错处理，避免异常情况

内容的提问来源于stack exchange，提问作者SaveMyLifeCoder_123