Python3標准庫：glob文件名模式匹配

1. glob文件名模式匹配

盡管glob API很小，但這個模塊的功能卻很強大。只要程序需要查找文件系統中名字與某個模式匹配的一組文件，就可以使用這個模塊。要創建一個文件名列表，要求其中各個文件名都有某個特定的擴展名、前綴或者中間都有某個共同的字符串，就可以使用glob而不用編寫定制代碼來掃描目錄內容。

glob的模式規則與re模塊使用的正則表達式並不相同。實際上，glob的模式遵循標准UNIX路徑擴展規則。只使用幾個特殊字符來實現兩個不同的通配符和字符區間。模式規則應用於文件名中的段(在路徑分隔符/處截止)。

1.1 實例數據

本節中的示例假定當前工作目錄中存在以下測試文件。

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

如果這些文件不存在，請glob_maketestdata.py在運行以下示例之前使用示例代碼創建它們。

1.2 通配符

星號(*)匹配一個文件名段中的0個或多個字符。例如，test_files/*。 

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

這個模式會匹配目錄test_files中的所有路徑名(文件或目錄)，但不會進一步遞歸搜索到子目錄。glob()返回的數據不會排序，所以這里的實例會進行排序以便研究結果。

要列出子目錄中的文件，必須把子目錄包含在模式中。 

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))

前面顯示的第一種情況顯式列出了子目錄名，第二種情況則依賴一個通配符來查找目錄。

在這里，兩種做法的結果是一樣的。如果還有另一個子目錄，則通配符會匹配這兩個子目錄，並且兩個子目錄中的文件名都會出現在結果中。 

1.3 單字符通配符

問號(?)也是一個通配符。它會匹配文件名中該位置的單個字符。

import glob

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

前面的例子會匹配以file開頭，然后是另外一個任意字符，最后以.txt結尾的所有文件名。

1.4 字符區間

如果使用字符區間([a-z])而不是問號，則可以匹配多個字符中的一個字符。下面這個例子會查找名字中擴展名前有一個數字的所有文件。 

import glob

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

字符區間[0-9]會匹配所有單個數字。區間根據各字母/數字的字符碼排序，短橫線指示連續字符組成的一個不間斷區間。這個區間值也可以寫為[0123456789]。

1.5 轉義元字符

有時有必要搜索名字中包含一些特殊元字符的文件，glob使用這些特殊元字符表示模式。escape()函數會建立一個適合的模式，其中的特殊字符會被“轉義”，使它們不會被glob擴展或解釋為特殊字符。 

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()

可以通過構建一個包含單個元素的字符區間來轉義各個特殊字符。