Python3标准库glob文件名模式匹配的问题

1. glob文件名模式匹配

尽管glob API很小，但这个模块的功能却很强大。只要程序需要查找文件系统中名字与某个模式匹配的一组文件，就可以使用这个模块。要创建一个文件名列表，要求其中各个文件名都有某个特定的扩展名、前缀或者中间都有某个共同的字符串，就可以使用glob而不用编写定制代码来扫描目录内容。

glob的模式规则与re模块使用的正则表达式并不相同。实际上，glob的模式遵循标准UNIX路径扩展规则。只使用几个特殊字符来实现两个不同的通配符和字符区间。模式规则应用于文件名中的段(在路径分隔符/处截止)。

1.1 实例数据

本节中的示例假定当前工作目录中存在以下测试文件。

test_files
test_files/file.txt
test_files/file1.txt
test_files/file2.txt
test_files/filea.txt
test_files/fileb.txt
test_files/subfiles
test_files/subfiles/subfile.txt

如果这些文件不存在，请glob_maketestdata.py在运行以下示例之前使用示例代码创建它们。

1.2 通配符

星号(*)匹配一个文件名段中的0个或多个字符。例如，test_files/*。

import glob
for name in sorted(glob.glob('test_files/*')):
  print(name)

这个模式会匹配目录test_files中的所有路径名(文件或目录)，但不会进一步递归搜索到子目录。glob()返回的数据不会排序，所以这里的实例会进行排序以便研究结果。

要列出子目录中的文件，必须把子目录包含在模式中。

import glob
print('Named explicitly:')
for name in sorted(glob.glob('test_files/subfiles/*')):
  print(' {}'.format(name))
print('Named with wildcard:')
for name in sorted(glob.glob('test_files/*/*')):
  print(' {}'.format(name))

前面显示的第一种情况显式列出了子目录名，第二种情况则依赖一个通配符来查找目录。

在这里，两种做法的结果是一样的。如果还有另一个子目录，则通配符会匹配这两个子目录，并且两个子目录中的文件名都会出现在结果中。

1.3 单字符通配符

问号(?)也是一个通配符。它会匹配文件名中该位置的单个字符。

import glob
for name in sorted(glob.glob('test_files/file?.txt')):
  print(name)

前面的例子会匹配以file开头，然后是另外一个任意字符，最后以.txt结尾的所有文件名。

1.4 字符区间

如果使用字符区间([a-z])而不是问号，则可以匹配多个字符中的一个字符。下面这个例子会查找名字中扩展名前有一个数字的所有文件。

import glob
for name in sorted(glob.glob('test_files/*[0-9].*')):
  print(name)

字符区间[0-9]会匹配所有单个数字。区间根据各字母/数字的字符码排序，短横线指示连续字符组成的一个不间断区间。这个区间值也可以写为[0123456789]。

1.5 转义元字符

有时有必要搜索名字中包含一些特殊元字符的文件，glob使用这些特殊元字符表示模式。escape()函数会建立一个适合的模式，其中的特殊字符会被“转义”，使它们不会被glob扩展或解释为特殊字符。

import glob
specials = '?*['
for char in specials:
  pattern = 'test_files/*' + glob.escape(char) + '.txt'
  print('Searching for: {!r}'.format(pattern))
  for name in sorted(glob.glob(pattern)):
    print(name)
  print()

可以通过构建一个包含单个元素的字符区间来转义各个特殊字符。

总结