Python批量合并成对PDF时第二个for循环为何不从起始位置遍历？

嗨，我来帮你把这个问题理清楚～

你遇到的核心问题其实和glob()返回的对象类型有关：Path.glob()返回的是生成器（generator），而不是普通的列表。生成器有个关键特性——它只能被遍历一次，遍历完之后就“耗尽”了，里面再也没有元素可以取出来了。

看你的代码：

fileList1 = Path(folder).glob('*text1.pdf')
fileList2 = Path(folder).glob('*text2.pdf')

这两个变量都是生成器。当第一次执行外层循环（遍历fileList1）时，内层循环会把fileList2的所有元素从头到尾遍历一遍，找到匹配的文件后break。但这时候fileList2这个生成器已经被“用光”了，指针停在了最后一个元素的位置。等到外层循环进入第二次迭代时，再去遍历fileList2，它已经没有任何元素可以返回了，自然不会从头开始。

最简单的修复方法 #

把生成器转换成列表，这样每次遍历都是从头读取列表里的元素：

# 把glob返回的生成器转成列表
fileList1 = list(Path(folder).glob('*text1.pdf'))
fileList2 = list(Path(folder).glob('*text2.pdf'))

这样每次内层循环遍历fileList2时，都是从列表的第一个元素开始，就能正常匹配每一对文件了。

更高效的优化建议 #

其实嵌套循环的方式效率有点低（如果文件多的话，每次都要遍历整个fileList2），你可以换个思路：先把text2的文件按匹配字符串做成字典，然后直接通过key查找对应的文件，这样更高效。

比如修改代码如下：

def mergeFiles(folder):
    folder = os.path.abspath(folder)

    # 转成列表并构建text2文件的字典
    fileList1 = list(Path(folder).glob('*text1.pdf'))
    fileList2 = list(Path(folder).glob('*text2.pdf'))
    
    # 构建匹配字符串到文件路径的字典
    text2_dict = {}
    folderLength = len(folder) + 1
    fileNameArea = folderLength + 12
    for filename2 in fileList2:
        string2 = str(filename2)[folderLength:fileNameArea].lower()
        text2_dict[string2] = str(filename2)

    outputFolderPath = folder + '\\somefolder'
    p = Path(outputFolderPath)
    if not p.exists():
        os.makedirs(outputFolderPath)
    n = 0

    print(f'Adding files in {outputFolderPath}...')

    for filename1 in fileList1:
        n += 1
        string1 = str(filename1)[folderLength:fileNameArea].lower()
        # 直接从字典里找对应的text2文件
        if string1 in text2_dict:
            file2Out = text2_dict[string1]
            outputName = 'D' + \
                str(filename1)[folderLength + 4: folderLength + 6].upper() + \
                '_' + str(filename1)[folderLength + 9: folderLength + 12] + \
                '_text3.pdf'
            outputName = outputFolderPath + '\\' + outputName
            file1Out = str(filename1)
            pdfMerge([file1Out, file2Out], outputName)
            print(f'{n}. {os.path.basename(outputName)}')
    
    print('Done.')

这样既解决了生成器的问题，又提升了代码的运行效率。

备注：内容来源于stack exchange，提问作者Pacho