Python实现从文件路径提取含数字的文件夹名或文件名

需求规则 #

• 优先提取路径中纯数字命名的文件夹，返回该数字
• 若路径中无纯数字文件夹，提取文件名中包含的数字，返回该数字
• 以上都不满足时，返回文件名作为默认值

目录结构示例 #

project
   |_62951
        |_test1.docx
   |_68512
        |_test2.docx
        |_minor tasks
             |_test3.docx
   |_Plumbing project
        |_69251
             |_test4.dox
        |_House address
             |_69251 plumb.docx
             |_test5.docx

预期输出 #

project code: 62951
filename: test1.docx
project code: 68512
filename: test2.docx
project code: 68512
filename: test3.docx
project code: 69251
filename: test4.docx
project code: 69251
filename: 69251 plumb.docx
project code: test5.docx
filename: test5.docx

现有代码 #

import os

#run through all folders
def get_files(source):
    matches = []
    for root, dirnames, filenames in os.walk(source):
        for filename in filenames:
                matches.append(os.path.join(root, filename))
    return matches


def parse(files):
    
    # run through all files
    folders = []
    for file in files:
        filepath,filename = os.path.split(file)
        filebreak = [filepath.split("\\")]
        print('project code: %s' % filebreak)
        print('file name: %s' % filename)


        #check file name

path = 'C:\\Users\\quan.nguyen\\***\\***\\Project testing files\\XML'

parse(get_files(path))

当前问题 #

现有代码仅拆分了路径并输出文件夹列表，未按需求规则检查纯数字文件夹、提取文件名中的数字，无法得到预期结果。

解决方案代码 #

import os
import re

def get_files(source):
    matches = []
    for root, dirnames, filenames in os.walk(source):
        for filename in filenames:
            matches.append(os.path.join(root, filename))
    return matches


def parse(files):
    for file in files:
        filepath, filename = os.path.split(file)
        # 拆分路径为所有文件夹组成的列表，适配不同系统路径分隔符
        folders = filepath.split(os.sep)
        
        project_code = None
        # 遍历所有文件夹，查找纯数字命名的文件夹
        for folder in folders:
            if folder.isdigit():
                project_code = folder
                break  # 找到第一个纯数字文件夹即停止
        
        # 若未找到纯数字文件夹，检查文件名中的数字
        if not project_code:
            # 提取文件名中的所有数字序列，取第一个匹配项
            num_matches = re.findall(r'\d+', filename)
            if num_matches:
                project_code = num_matches[0]
            else:
                # 都不满足则返回文件名作为默认值
                project_code = filename
        
        print(f'project code: {project_code}')
        print(f'filename: {filename}')


path = 'C:\\Users\\quan.nguyen\\***\\***\\Project testing files\\XML'
parse(get_files(path))

关键说明 #

1. 跨平台路径拆分：使用os.sep代替硬编码的\\，适配Windows、Linux等不同操作系统的路径分隔符
2. 纯数字文件夹检查：遍历路径中的每个文件夹，通过str.isdigit()判断是否为纯数字命名，找到即返回
3. 文件名数字提取：用正则表达式r'\d+'匹配文件名中的数字序列，取第一个匹配结果
4. 默认值处理：当以上条件都不满足时，直接返回文件名作为项目代码

内容的提问来源于stack exchange，提问作者Quan Hoang Nguyen