Python - 如何找到精确的扩展名？

Question

我正在尝试遍历一个文件夹，里面有几个文件，想找到扩展名为 .doc 的文件。

我确实使用了 .endswith('.doc') 这个函数，但在我的情况下，它也会把 .docx 文件也算进去。有没有什么正则表达式或者其他方法可以用呢？

编辑：好的，我的问题是，我在循环中查找 ".doc" 文件，如果找到了，就会把文本提取到一个变量中，然后使用 win32com 函数打印出来。当我把程序放到一个同时包含 ".doc" 和 ".docx" 文件的文件夹时，我遇到了一个错误，提示如下：

Traceback (most recent call last):

 File "C:\Users\IdaLim\Desktop\MyTestCode\FileIO.py", line 88, in <module>
    doc = app.Documents.Open(fullpath)
  File "C:\Python27\lib\site-packages\win32com\client\dynamic.py", line 522, in
__getattr__
    raise AttributeError("%s.%s" % (self._username_, attr))
AttributeError: Word.Application.Documents

根据我对 COM 函数的经验和了解，它也在解析 ".docx" 文件，这就是为什么没有 ".docx" 文件的 "Word.Application.Documents"。这也解释了那个错误。

所以当我把 ".doc" 文件单独放到另一个文件夹里（也就是没有 .docx 文件的地方），循环和程序就完全正常了。它能打印出文件的内容，然后就结束了。

我的代码摘录：

import win32com.client 
import os

rootdir ='C:\Users\IdaLim\Desktop\docs'

for subdir, dirs, files in os.walk(rootdir):
    for file in files:
        fullpath = os.path.join(*[subdir, file])
        if file.endswith('.doc'):
            app = win32com.client.Dispatch('Word.Application')
            doc = app.Documents.Open(fullpath)
            print doc.Content.Text
            app.Quit()

Answer 1

我不知道os.walk()对象的具体结构，不过假设你有一个包含文件名的字符串数组，你可以用这个正则表达式来筛选它们：

import re
array = ['file1.doc', 'file2.docx']
regexp = "\.doc$"
for e in array:
    if re.search(regexp, e, re.I):
        print 'True'
    else:
        print 'False'

结果：

True
False

Answer 2

(已编辑。请见下方原始回答。)

这里真正的问题似乎和算法或者系统的其他部分有关（根据评论提到重启会改变一些东西），因为 str.endswith() 和 Path.suffix 应该在这里给出相同的结果。

---

之前的内容（不是真正的问题）

最简单且最可靠的解决方案是使用 pathlib 模块。如果你使用的是 Python 3.4 或更新版本，它已经预装了；如果不是，可以用 pip 或 easy_install 来安装。然后你可以这样处理你的路径：

import win32com.client 
import os
import pathlib

rootdir ='C:\Users\IdaLim\Desktop\docs'

for subdir, dirs, files in os.walk(rootdir):
    for file in files:
        fullpath = pathlib.Path(subdir, file)
        if fullpath.suffix == '.doc':
            app = win32com.client.Dispatch('Word.Application')
            doc = app.Documents.Open(str(fullpath))
            print doc.Content.Text
            app.Quit()

suffix 属性使用起来简单且可靠，可以帮你得到想要的结果。想了解更多细节，可以查看 pathlib 模块在 3.4 版本的文档，点击这里。