遍历字典键引用的未知数量列表以比较每个列表内的值

Question

我最近开始写一个小脚本，目的是输入一个装满文件的文件夹（这里是电子书，格式包括epub、mobi、djvu和pdf），找到几乎所有方面都相同但扩展名不同的文件（比如同一本书的多种电子书格式），为这本书创建一个文件夹，并把文件放到这个文件夹里，以便于导入到Calibre中。

我决定用一种数据结构来存储这些文件，具体是一个字典，里面的每个键是文件的扩展名，值是一个列表，列表里放的是对应扩展名的文件名。如果这样说不太清楚，这就是我构建的结构示例：{文件扩展名：[文件名，文件名，...], 文件扩展名：[文件名，文件名，...], ...}

我遇到的问题是，为了匹配每个列表中的单独值，我不能仅仅用嵌套的for循环，因为我并不确定会有多少个键。

我是在Windows 64位环境下用Python 2.7.2写这个脚本的。

代码：

import glob

workDirectory = 'E:\Some eBooks'
fileExtensions  = ['mobi','epub','pdf','djvu']

# Create an appropriate holding structure for our results {fileExtension:[fileName,fileName,...]}
foundFiles = dict.fromkeys(fileExtensions,[])

for ext in fileExtensions:
    print('Looking for ' + ext + ' files in ' + workDirectory)
    for file in glob.glob(workDirectory + '/*.' + ext):
        foundFiles[ext].append(file)

我知道我可以静态地写循环，假设会有四个键来自fileExtensions，但在后面一旦代码正常工作后，我希望能通过argparse让代码接受任意数量的fileExtensions。

我想我最核心的问题是，如何在同一次迭代中，使用可变数量的字典键来循环多个列表？如果我知道每个列表的固定名称，并且每个列表都有相同数量的值，我会这样做：

for one, two, three, four in list1 list2 list3 list4:
    ......

但我知道这样做行不通，因为我并不知道我会循环多少个列表，而且我也知道每个列表所需的迭代次数不会相同。

我有种不好的预感，觉得自己把这个问题想得太复杂，搞得自己有点困惑。也许用一组嵌套列表会有效，但我总觉得可以用更简单的方法来实现。

如果有任何建议，我会非常感激。

Answer 1

为什么不直接用一个简单的列表，把你所有文件的路径都放在里面，然后用正则表达式（regex）来遍历这个列表，找到所有和你当前文件名相同的文件呢？

Answer 2

我会把找到的文件按名字存起来，这样一读就能把它们分组。比如这样：

foundFiles = {}
for ext in fileExtensions:
    print('Looking for ' + ext + ' files in ' + workDirectory)
    for file in glob.glob(workDirectory + '/*.' + ext):
        basename = os.path.basename(os.path.splitext(file)[0])
        grouped_files = foundFiles.get(basename, [])
        grouped_files.append(file)
        foundFiles[basename] = grouped_files

现在你有了一个叫 foundFiles 的东西，其中的键是文件的基本名字，值是文件的路径。举个例子：

{ 'batman': ['/some/path/batman.pdf', '/other/path/batman.mobi']
  'superman': ['/some/path/superman.epub', '/other/path/superman.djvu'] }

Answer 3

为了遍历 workDirectory 这个文件夹里的所有文件，并收集所有带有 fileExtensions 后缀的文件：

import os
from collections import defaultdict

fileExtensions  = ('.mobi', '.epub', '.pdf', '.djvu')

foundFiles = defaultdict(list)
for dirpath, dirs, files in os.walk(workDirectory):
    for file in files:
        if file.endswith(fileExtensions):
           basename = os.path.splitext(file)[0]
           foundFiles[basename].append(os.path.join(dirpath, file))

这里的 foundFiles 格式和 @jterrace 的回答 是一样的：

{
    "batman": [
        "/some/path/batman.pdf", 
        "/other/path/batman.mobi"
    ], 
    "superman": [
        "/some/path/superman.epub", 
        "/other/path/superman.djvu"
    ]
}