代码之家 › 专栏 › 技术社区 › asdoylejr

更改文件名,直到其唯一

python

asdoylejr · 技术社区 · 10 年前

我有一个脚本,可以从预定的网页列表中下载文件(pdf、文档等)。我想编辑我的脚本以更改文件名 _x 如果文件名已经存在,因为来自不同页面的文件可能共享相同的文件名,但包含不同的内容,以及 urlretrieve() 显示为自动覆盖现有文件。

到目前为止,我已经:

urlfile = 'https://www.foo.com/foo/foo/foo.pdf'
filename = urlfile.split('/')[-1]
filename = foo.pdf
if os.path.exists(filename):
    filename = filename('.')[0] + '_' + 1

这对一次发生很好,但看起来像是一次之后 foo_1.pdf 它将开始保存为 foo_1_1.pdf ,等等。我想将文件另存为 foo_1.pdf , foo_2.pdf 等等

有人能给我指出正确的方向吗?如何确保在脚本运行时以正确的方式存储文件名?

谢谢

4 回复 | 直到 10 年前

wnnmaw 10 年前

所以你想要的是这样的:

    curName = "foo_0.pdf"

    while os.path.exists(curName):
        num = int(curName.split('.')[0].split('_')[1])
        curName = "foo_{}.pdf".format(str(num+1))

以下是总体方案:

假设您从第一个文件名开始( foo_0.pdf )
检查是否使用了该名称
如果是,则将名称重复1
继续循环,直到找到未使用的名称

一种选择: 生成正在使用的文件编号列表,并根据需要进行更新。如果排序好,你可以说 name = "foo_{}.pdf".format(flist[-1]+1) 。这有一个优点,即您不必每次都运行所有文件(正如上面的解决方案所做的那样)。但是,您需要将数字列表保存在内存中。此外,这不会填补数字中的任何空白

hd1 Madan Sapkota 10 年前

为什么不直接使用 tempfile module :

fileobj = tempfile.NamedTemporaryFile(suffix='.pdf', prefix='', delete = False)

现在,您的文件名将在fileobj.name中可用,您可以尽情操作。作为一个额外的好处,这是跨平台的。

Jonathan Vanasco 10 年前

因为您要处理多个页面,所以这看起来更像是一个“全局归档”,而不是每页归档。对于每页存档,我会使用@wnnmaw的答案

对于全球存档,我会采取不同的方法。。。

为每个文件名创建一个目录
将文件以“1”+扩展名存储在目录中
将当前“数字”作为“_files.txt”写入目录
其他文件写入为2,3,4等,并在files.txt中增加值

这样做的好处:

目录是原始文件名。如果你一直将“Example-1.pdf”转换为“Example-2.pdf”,你可能会下载一个真正的“Example-2.pdf”,并且无法将其与原始文件名相关联。
您可以通过读取files.txt或计算目录中的文件数来获取类似命名文件的数量。

就我个人而言,我还建议将文件存储在分层存储系统中,这样在任何一个目录中都不会有太多的文件/目录(数百个文件会让用户感到烦恼,数千个文件会影响操作系统的性能)。打包系统可能会将文件名转换为十六进制摘要,然后将文件放入“/%s/%s/%s”%(hex[0:3],hex[3:6],filename)。十六进制摘要用于使字符分布更均匀。

unutbu 10 年前

import os
def uniquify(path, sep=''):
    path = os.path.normpath(path)
    num = 0
    newpath = path
    dirname, basename = os.path.split(path)
    filename, ext = os.path.splitext(basename)
    while os.path.exists(newpath):
        newpath = os.path.join(dirname, '{f}{s}{n:d}{e}'
                               .format(f=filename, s=sep, n=num, e=ext))
        num += 1
    return newpath

filename = uniquify('foo.pdf', sep='_')

可能的问题包括:

如果你用同样的方法打了无数次电话路径,由于 while-loop 从开始检查 num=0 每次。

uniquify 易受竞争条件的影响,因此文件可能不会当时存在 os.path.exists 被调用,但可能存在于使用uniquify返回的值的时间。使用 tempfile.NamedTemporaryFile 以避免这个问题。你不会得到递增编号,但您将获得具有唯一名称的文件, 保证不存在。你可以使用 prefix 参数到指定文件的原始名称。例如

import tempfile
import os    
def uniquify(path, sep='_', mode='w'):
    path = os.path.normpath(path)
    if os.path.exists(path):
        dirname, basename = os.path.split(path)
        filename, ext = os.path.splitext(basename)
        return tempfile.NamedTemporaryFile(prefix=filename+sep, suffix=ext, delete=False,
                                           dir=dirname, mode=mode)
    else:
        return open(path, mode)

可以这样使用:

In [141]: f = uniquify('/tmp/foo.pdf')       
In [142]: f.name
Out[142]: '/tmp/foo_34cvy1.pdf'

请注意,为了防止竞争条件,将返回打开的文件句柄,而不仅仅是文件名。