Pythonで、正規表現を使って特定条件だけZIPファイルに追加したい

Question

Pythonで、正規表現を使って特定条件だけZIPファイルに追加したい

前提・実現したいこと

pythonで指定ディレクトリの中からファイルを選んでZIPファイルに格納したい

発生している問題

image_1.jpg
image_2.jpg
image_3.jpg'
image-cv01.jpg
image-cv21.jpg
image-cv31.jpg
image.jpg
image_100.jpg

例として、上記のようなファイルリストがあったとします。
数字の部分は決まった形式なので変わることはありませんが、数字の最大値は状況により変わります。

これから

image_3.jpg'
image-cv01.jpg
image-cv21.jpg
image-cv31.jpg

を格納したsyoko.zipを作成するのが希望動作です。

つまり、image_[数字一桁]なら最大値のファイルのみ、image-cv[数字二桁]なら全ファイルを追加。imageだけで何もないファイルや、_[数字三桁]などは圧縮ファイルへ追加しないという動作になります。

該当のソースコード

wodir = '上記のファイルが格納されたフォルダを指定'
files = []

#直下のファイル一覧取得
    for x in os.listdir(wodir):
        if os.path.isfile(wodir + x):
            files.append(x)


    compFile01 = zipfile.ZipFile(syoko.zip', 'w', zipfile.ZIP_DEFLATED)
    for y in files:
        pattern = 'image' + r"_[0-9]{1}.jpg"
        matchOB = re.match(pattern, y)
        if matchOB:  # ファイル名がパターンとマッチしたら追加
            compFile01.write(y)

        pattern = 'image' + r"-cv[0-9]{2}.jpg"
        matchOB = re.match(pattern, y)
        if matchOB:  # ファイル名がパターンとマッチしたら追加
            compFile02.write(y)

    compFile01.close()

結果、出来上がったsyoko.zipは、
image_1.jpg
image_2.jpg
image_3.jpg'
image-cv01.jpg
image-cv21.jpg
image-cv31.jpg

のようにimage_[数字1文字]のファイルを全部ひっかけてしまいます。

いろいろGoogleなどで調べてみたのですが、数字一桁の最も大きいものだけを抽出する方法が見つけられません。

あるいは、pythonでzipから指定したファイルを削除できれば、とも思ったのですが、上記コードで最大値を確保する方法や、圧縮ファイルからファイルを除去する方法も見つけられずにおります。

よろしくお願いします。

Answer 1

結局のところ対処すべきは2パターンのみ。
正規表現よりもglobを使ったほうがシンプルな気がします。

import glob
import zipfile

targets = []

for f in sorted(glob.glob("./image_?.jpg")):
  target=f
targets.append(target)

for f in glob.glob("./image_cv??.jpg"):
  targets.append(f)

compFile01 = zipfile.ZipFile('syoko.zip', 'w')
for y in targets:
  compFile01.write(y)
compFile01.close()

Comments

[ky_46]

glob　というのはGoogleで得られなかったので、知識として助かりました。今回の質問範囲と違うので情報に入れなかったのですが、実はこの後、zipに格納しなかったimage.jpg　とimage_100.jpgを指定のフォルダに移動する作業があるので、それを組み込みするとき使えそうです。ありがとうございます。

Answer 2

pattern1 = re.compile(r'^image_[0-9]{1}.jpg$')
pattern2 = re.compile(r'^image-cv[0-9]{2}.jpg$')
comp_files = sorted([file for file in files if pattern1.match(file)])[-1:] + [file for file in files if pattern2.match(file)]
print(comp_files)
#['image_3.jpg', 'image-cv01.jpg', 'image-cv21.jpg', 'image-cv31.jpg']

Comments

[ky_46]

ご回答ありがとうございます。今回はhayataka2049様の方法で解決といたしました。感謝です。

Answer 3

ファイル一覧をソートして、
image_[数字一桁]のパターンのファイルは。その最後のものだけを対象にするようにしました。
さらに subfolder にも対応させてみました。

a.py

import os
import re
import zipfile

def file_filter(files):
    target_1 = None
    targets = []
    for file in sorted(files):
        pattern = r"image\_[0-9].jpg"
        if re.match(pattern, file):
            target_1 = file
            next
        pattern = r"image\-cv[0-9]{2}.jpg"
        if re.match(pattern, file):
            targets.append(file)

    if target_1:
        targets.append(target_1)
    return targets


src_dir = "data"
zip_path = "syoko.zip"
with zipfile.ZipFile(zip_path, 'w') as zip_file:
    for folder, subfolders, files in os.walk(src_dir):
        target_files = file_filter(files)

        if len(target_files) > 0:
            zip_file.write(folder)
            for file in target_files:
                zip_file.write(os.path.join(folder, file))

実行例

参考情報:

• Pythonで指定フォルダ配下のサブフォルダとファイルを全てZIP圧縮する方法

https://tonari-it.com/python-zipfile-walk/

Comments

[ky_46]

ありがとうございます。今回はhayataka2049様の方法で解決といたしました。ただ、サブフォルダ処理は今後、参考にさせていただきます。

Answer 4

• 入れるべきファイル名は先に走査して決め、実際の処理は後でまとめて行う
• image_[数字1文字]はとりあえずぜんぶ見てからmaxを取る

という方針で行きましょう。

filename_lst1 = []
filename_lst2 = []
for y in files:
    pattern = 'image' + r"_[0-9]{1}.jpg"
    matchOB = re.match(pattern, y)
    if matchOB:  # ファイル名がパターンとマッチしたら追加
        filename_lst1.append(y)

    pattern = 'image' + r"-cv[0-9]{2}.jpg"
    matchOB = re.match(pattern, y)
    if matchOB:  # ファイル名がパターンとマッチしたら追加
        filename_lst2.append(y)

max_filename = max(filename_lst1, key=lambda x:int(x[6]))

compFile01 = zipfile.ZipFile('syoko.zip', 'w', zipfile.ZIP_DEFLATED)
for y in filename_lst2 + [max_filename]:
    compFile01.write(y)
compFile01.close()

Comments

[ky_46]

ご回答ありがとうございます。

> max_filename = max(filename_lst1, key=lambda x:int(x[6]))

この部分は、「filename_lst1を、文字列を0から勘定して6番目を数字にしてソートする」という理解であっていますでしょうか？

試してみたところ、image_1の数字の部分を見事にソートして、最大値をひっかけました。

大変助かりました。ありがとうございます。

[hayataka2049]

ソートするというか、そのまま最大値ですね