如何基于文件名时间戳筛选指定时分区间内的文件

核心思路 #

放弃仅依赖glob的模式匹配（它仅适合固定单模式场景），改为先获取所有符合格式的文件，再通过时间戳筛选的方式，灵活处理连续分钟区间甚至跨午夜的情况。

具体实现代码 #

import glob
import re

def get_files_between(starttime, endtime):
    # 用正则匹配文件名中的HHMMSS时间戳部分（格式：_6位数字.）
    timestamp_pattern = re.compile(r'_(\d{6})\.')
    # 获取当前目录下所有文件
    all_files = glob.glob("*.*")
    matched_files = []
    
    for file in all_files:
        # 提取文件名中的时间戳片段
        match_result = timestamp_pattern.search(file)
        if not match_result:
            continue  # 跳过不符合命名格式的文件
        
        timestamp = match_result.group(1)
        file_hhmm = timestamp[:4]  # 截取时分部分（HHMM）
        
        # 判断时分是否在目标区间内
        if starttime <= endtime:
            # 常规区间（比如0801到0805）
            if starttime <= file_hhmm <= endtime:
                matched_files.append(file)
        else:
            # 跨午夜区间（比如2359到0002）
            if file_hhmm >= starttime or file_hhmm <= endtime:
                matched_files.append(file)
    
    return matched_files

关键细节说明 #

1. 时间戳提取：用正则表达式_(\d{6})\.精准匹配文件名中的_HHMMSS.片段，避免因文件名含多个下划线导致的分割错误。
2. 区间判断逻辑：
   • 当starttime <= endtime时，直接判断文件的时分字符串是否处于两者之间（字符串按字典序比较，与数字顺序一致）。
   • 当starttime > endtime时（跨午夜场景），只要文件时分大于等于starttime，或小于等于endtime，都属于目标区间。
3. 兼容性：无需预先知道区间内的所有分钟值，不管是连续10分钟还是跨小时的区间，逻辑都能统一处理。

对比原glob单分钟方案的优势 #

原方案用glob.glob("*_0801*.txt")匹配单分钟文件，扩展到多分钟时需要生成多个glob模式（如0801到0805要写5个模式），代码繁琐且无法处理跨午夜场景；而筛选式方案仅需一次遍历，逻辑简洁且覆盖所有边界情况。

内容的提问来源于stack exchange，提问作者Oblomov