如何遍历目录选择含最高run编号的文件及无编号文件

问题场景 #

待分析的文件以run_0x标识版本，目录结构示例如下：

subject_01    
  |-- sub01_data_run_01    
  |-- sub01_data_run_02    
subject_02    
  |-- sub02_data_run_02
subject_03
  |-- sub03_data_run_01

需求为：遍历每个subject文件夹，优先选择run编号最高的文件（存在run_02则选它，否则选run_01）；同时支持处理部分仅含一个无run_0x标识文件的subject。

当前解决方案 #

你目前的实现代码如下：

import glob
for sub in glob.glob(base_dir + '...'):
    if glob.glob(sub + '*run-02.nii.gz'):
        file = glob.glob(sub + '*run-02.nii.gz')
    elif not glob.glob(sub + '*run-02.nii.gz'):
        file = glob.glob(sub + '*run-01.nii.gz')

这个方案存在几个问题：重复调用glob扫描目录导致效率低，未处理无run标识的文件，且elif的判断逻辑冗余（本质是if的否定，无需重复调用glob）。

改进建议 #

1. 一次扫描目录，避免重复IO #

每次glob调用都会重新扫描目录，多次调用会浪费系统资源。建议一次性获取当前subject下的所有目标文件，再进行筛选。

2. 正则解析run编号，精准筛选最高版本 #

通过正则表达式提取文件名中的run编号，基于数字大小排序选择最高版本；同时单独处理无run标识的文件，避免命名不规范导致的错误。

优化后的代码实现 #

import glob
import re
import os

base_dir = "/你的基础目录路径/"

# 遍历每个subject文件夹
for sub_dir in glob.glob(os.path.join(base_dir, "subject_*")):
    # 获取当前subject下所有.nii.gz格式文件
    all_files = glob.glob(os.path.join(sub_dir, "*.nii.gz"))
    if not all_files:
        continue  # 无文件则跳过当前subject
    
    # 分类存储带run标识和无run标识的文件
    run_files = []
    no_run_files = []
    # 匹配run_01、run_02这类格式的正则表达式
    run_pattern = re.compile(r"run_(\d{2})")
    
    for file_path in all_files:
        match_result = run_pattern.search(file_path)
        if match_result:
            # 提取run编号并转为整数，方便排序
            run_number = int(match_result.group(1))
            run_files.append((run_number, file_path))
        else:
            no_run_files.append(file_path)
    
    # 确定最终选中的文件
    selected_file = None
    if run_files:
        # 按run编号降序排序，取编号最大的文件
        run_files.sort(reverse=True, key=lambda item: item[0])
        selected_file = run_files[0][1]
    elif no_run_files:
        # 仅存在无run标识的文件，取第一个（按需求默认仅一个）
        selected_file = no_run_files[0]
    
    if selected_file:
        print(f"{os.path.basename(sub_dir)} 选中文件：{selected_file}")

方案优势 #

• 效率更高：仅扫描一次目录，避免重复IO操作
• 鲁棒性强：基于数字解析run编号，不会因字符串排序逻辑（如run_10被排在run_2前面）出错
• 覆盖所有场景：明确处理了带run标识和无run标识的文件情况
• 可扩展性好：后续新增run_03、run_10等版本时，无需修改代码逻辑

额外优化提示 #

• 若存在多个无run标识的文件，可添加警告逻辑（比如if len(no_run_files) > 1: print(f"警告：{sub_dir}下存在多个无run标识的文件")）
• 始终用os.path.join拼接路径，避免Windows/Linux跨平台路径格式问题

内容的提问来源于stack exchange，提问作者user20501139