Python中如何保留同子串的v0版本及最高版本文件？

需求说明 #

原始文件名列表：

[10998321023D123T][v0].jpg
[10998321023D123T][v12321].jpg
[10998321023D123T][v62221].jpg
[10DFSA783212131T][v0].jpg
[10DFSA783212131T][v32112].jpg
[10DFSA783212131T][v54541].jpg

需要保留每个标识子串（比如10998321023D123T、10DFSA783212131T）对应的v0版本文件，以及该标识下的最高版本文件，移除其他非v0的低版本文件，最终结果：

[10998321023D123T][v0].jpg
[10998321023D123T][v62221].jpg
[10DFSA783212131T][v0].jpg
[10DFSA783212131T][v54541].jpg

优化实现方案 #

不用为每个标识单独创建列表，而是用一个字典做分组存储，一次遍历即可完成处理，内存占用更低、效率更高：

import re

def filter_version_files(filenames):
    # 正则匹配：提取标识子串和版本号数字
    pattern = re.compile(r'\[(.*?)\]\[v(\d+)\]\.jpg')
    # 字典结构：key=标识子串，value=(v0文件名, 最高版本文件名, 当前最高版本号)
    file_groups = {}
    
    for filename in filenames:
        match = pattern.match(filename.strip())
        if not match:
            continue  # 跳过不符合格式的文件
        identifier, version_str = match.groups()
        version = int(version_str)
        
        if identifier not in file_groups:
            # 首次遇到该标识，初始化
            if version == 0:
                file_groups[identifier] = (filename, None, 0)
            else:
                file_groups[identifier] = (None, filename, version)
        else:
            current_v0, current_highest_file, current_highest_ver = file_groups[identifier]
            if version == 0:
                # 更新v0文件
                file_groups[identifier] = (filename, current_highest_file, current_highest_ver)
            elif version > current_highest_ver:
                # 更新最高版本文件和版本号
                file_groups[identifier] = (current_v0, filename, version)
    
    # 收集所有需要保留的文件：v0 + 最高版本（注意去重，避免v0同时是最高版本的情况）
    result = []
    for v0_file, highest_file, _ in file_groups.values():
        if v0_file:
            result.append(v0_file)
        if highest_file and highest_file != v0_file:
            result.append(highest_file)
    
    return result

# 测试示例
original_files = [
    "[10998321023D123T][v0].jpg",
    "[10998321023D123T][v12321].jpg",
    "[10998321023D123T][v62221].jpg",
    "[10DFSA783212131T][v0].jpg",
    "[10DFSA783212131T][v32112].jpg",
    "[10DFSA783212131T][v54541].jpg"
]

filtered_files = filter_version_files(original_files)
for f in filtered_files:
    print(f)

方案优势 #

• 仅需一次遍历所有文件，时间复杂度为O(n)，n为文件总数
• 用字典存储分组信息，内存占用仅与不同标识的数量相关，远低于为每个标识创建列表的方案
• 自动处理边界情况：比如某个标识只有v0版本时，不会重复添加；版本号解析用正则保证准确性

内容的提问来源于stack exchange，提问作者Wamy-Dev