使用Python根据文件列表将文件复制到指定目录

Question

我有一堆文件放在一个文件夹里，现在想把它们整理到子文件夹里。

这个文件夹的结构（也就是哪些文件放在哪个文件夹里）在一个文件列表中指定，内容大概是这样的：

目录：音乐\

-> 01-某首歌1.mp3

-> 02-某首歌2.mp3

-> 03-某首歌3.mp3

目录：图片\

-> 01-某张图片1.jpg

-> 02-某张图片2.jpg

......................

我在想把这些数据（目录名和文件名）提取出来，存到一个字典里，字典的样子大概是这样的：

dictionary = {'Music': (01-some_song1.mp3, 02-some_song2.mp3,
                         03-some_song3.mp3),
              'Images': (01-some_image1.jpg, 02-some_image2.jpg),
          ......................................................
}

然后我就可以把文件复制或移动到它们各自的文件夹里。

我已经提取了目录名，并创建了空的文件夹。

对于字典的值，我试着通过以下方式获取一个列表的列表：

def get_values(file):
    values = []
    tmp = []
    pattern = re.compile(r'^-> (.+?)$')
    for line in file:
        if line.strip().startswith('->'):
            match = re.search(pattern, line.strip())
            if match:
                tmp.append(match.group(1))
        elif line.strip().startswith('Directory'):
            values.append(tmp)
            del tmp[:]
    return values

但是这似乎不太对。values列表中的每个列表都重复包含同样的四个文件名。

我哪里出错了呢？

我还想知道有没有其他方法可以做到这一切？我相信一定有更好、更简单、更干净的方法。

Answer 1

如果你使用collections.defaultdict(list)，你会得到一个字典，这个字典的值是列表。如果找不到某个键，它会自动添加这个键，并且值是一个空列表，这样你就可以直接开始往这个列表里添加内容了。这行代码就是这么干的：

d[dir].append(match.group(1))

它会创建一个目录名作为键，如果这个键不存在，就会把找到的文件名添加到这个列表里。

顺便说一下，如果你在使用正则表达式时遇到问题，可以尝试加上调试标志来创建它们。我记不清具体的名字了，但数字是128。所以如果你这样做：

file_regex = re.compile(r'^-> (.+?)$', 128)

你会得到额外的输出：

at at_beginning
literal 45
literal 62
literal 32
subpattern 1
  min_repeat 1 65535
    any None
at at_end

你可以看到有一个开始行匹配加上'-> '（对应45 62 32），然后是一个重复的任意模式和行尾匹配。这对调试非常有帮助。

代码：

from __future__ import with_statement

import re
import collections

def get_values(file):
    d = collections.defaultdict(list)
    dir = ""
    dir_regex = re.compile(r'^Directory: (.+?)\\$')
    file_regex = re.compile(r'\-\> (.+?)$')
    with open(file) as f:
        for line in f:
            line = line.strip()
            match = dir_regex.search(line)
            if match:
                dir = match.group(1)
            else:
                match = file_regex.search(line)
                if match:
                    d[dir].append(match.group(1))
    return d

if __name__ == '__main__':
    d = get_values('test_file')
    for k, v in d.items():
        print k, v

结果：

Images ['01-some_image1.jpg', '02-some_image2.jpg']
Music ['01-some_song1.mp3', '02-some_song2.mp3', '03-some_song3.mp3']

Answer 2

我觉得问题的原因是你总是使用同一个列表。

del tmp[:] 这个命令只是清空了列表，但并没有创建一个新的列表。在你的情况下，你需要通过调用 tmp = [] 来创建一个新的列表。

下面这个修复方法应该可以解决问题（我没有测试过）。

def get_values(file):
    values = []
    tmp = []
    pattern = re.compile(r'^-> (.+?)$')
    for line in file:
        if line.strip().startswith('->'):
            match = re.search(pattern, line.strip())
            if match:
                tmp.append(match.group(1))
        elif line.strip().startswith('Directory'):
            values.append(tmp)
            tmp = []
    return values

Answer 3

不需要使用正则表达式

d = {}
for line in open("file"):
    line=line.strip()
    if line.endswith("\\"):
        directory = line.split(":")[-1].strip().replace("\\","")
        d.setdefault(directory,[])
    if line.startswith("->"):
        song=line.split(" ")[-1]
        d[directory].append(song)
print d

输出

# python python.py
{'Images': ['01-some_image1.jpg', '02-some_image2.jpg'], 'Music': ['01-some_song1.mp3', '02-some_song2.mp3', '03-some_song3.mp3']}