Skip to main content
 首页 » 编程设计

Python:使用唯一值在列表中搜索子字符串

2025年02月15日23zhujiabin

我有两个列表,都包含 PDF 的文件路径。第一个列表包含具有唯一文件名的 PDF。第二个列表包含需要与第一个列表匹配的具有相同唯一文件名的文件名,尽管第二个列表中可能有多个 PDF 可以与第一个列表匹配。从 ListA 到 ListB 是一对多的关系。下面是一个例子。

列表 A:C:\FolderA\A.pdf, C:\FolderA\B.pdf, C:\FolderA\C.pdf

列表 B:C:\FolderB\A_1.pdf、C:\FolderB\B_1.pdf、C:\FolderB\C_1.pdf、C:\FolderB\C_2.pdf

我需要找到一种方法来遍历两个列表并通过匹配唯一文件名来组合 PDF。如果我能找到一种方法来迭代和匹配文件,那么我想我可以自己组合 PDF。以下是我目前的代码。

folderA = C:\FolderA 
ListA = [] 
for root, dirs, filenames in os.walk(folderA): 
  for filename in filenames: 
    ListA.append(str(filename)) 
    filepath = os.path.join(root, filename) 
    ListA.append(str(filepath)) 
 
folderB: C:\FolderB 
ListB = [] 
for root, dirs, filenames in os.walk(folderB): 
  for filename in filenames: 
    filepath = os.path.join(root, filename) 
    folderB.append(str(filepath)) 
 
#Split ListB to file name only without the "_#" so it can be matched to the PDFs in ListA. 
for pdfValue in ListB: 
  pdfsplit = pdfValue.split(".")[0] 
  pdfsplit1 = pdfsplit.split("\\")[-1] 
  pdfsplit2 = pdfsplit1.rsplit("_", 1)[0] 
  for pdfValue2 in ListA: 
    if pdfsplit2 in ListA: 
      #combine PDF code 

我已经验证了直到最后一个 if 语句的一切正常。从这里开始,我不确定如何去做。我知道如何在字符串中搜索子字符串,但我无法让它在列表中正常工作。无论我如何编码,我要么陷入无限循环,要么无法成功匹配。

如果可能的话,关于如何使这项工作有任何想法吗?

请您参考如下方法:

最好将所有信息集中在一个数据结构中,而不是单独的列表。这应该允许您将代码缩减为单个函数。

完全未经测试,但像这样的东西应该可以工作。

from collections import defaultdict 
 
pdfs = defaultdict(lambda: defaultdict(list)) 
 
def find_pdfs(pdfs, folder, split=False): 
    for root, dirs, filenames in os.walk(folder): 
        for filename in filenames: 
            basename, ext = os.path.splitext(filename) 
            if ext == '.pdf': 
                if split: 
                    basename = basename.partition('_')[0] 
                pdfs[basename][root].append(filename) 
 
find_pdfs(pdfs, folderA) 
find_pdfs(pdfs, folderB, True) 

这应该产生这样的数据结构:

pdfs = { 
    'A': 
        {'C:\FolderA': ['A.pdf'], 
         'C:\FolderB': ['A_1.pdf']}, 
    'B': 
        {'C:\FolderA': ['B.pdf'], 
         'C:\FolderB': ['B_1.pdf']}, 
    'C': 
        {'C:\FolderA': ['C.pdf'], 
         'C:\FolderB': ['C_1.pdf', 'C_2.pdf']}, 
    }