运营的小伙伴看过来,使用python处理批量视频文件

本文涉及的产品
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时数仓Hologres,5000CU*H 100GB 3个月
实时计算 Flink 版,5000CU*H 3个月
简介: 这段Python脚本用于批量处理MP4视频文件,将它们按每15个文件一组移动到新创建的文件夹中。首先,它导入os和shutil库,设置源文件夹路径及目标文件夹根路径。接着,遍历源路径中的视频文件,每移动15个文件后创建新的目标文件夹。完成后,输出“文件移动完成!”提示。

基于python的批量文件处理

import os
import shutil

source_path = r'K:\1-1运营基础-\素材整理'
target_root = os.path.join(source_path, '分组')

if not os.path.exists(target_root):
    os.makedirs(target_root)

videos = [f for f in os.listdir(source_path) if f.endswith('.mp4')]

count = 0
folder_num = 1
for video in videos:
    count += 1
    if count == 1:
        folder_path = os.path.join(target_root, f'文件夹{folder_num}')
        os.makedirs(folder_path)
    source_file = os.path.join(source_path, video)
    target_folder = os.path.join(target_root, f'文件夹{folder_num}')
    target_file = os.path.join(target_folder, video)

    shutil.move(source_file, target_file)

    if count == 15:
        count = 0
        folder_num += 1

print("文件移动完成!")

首先,我们需要导入两个Python标准库:os和shutil。然后,我们指定源文件夹的路径,并创建一个用于存储分组后视频文件的目标文件夹的根目录。

接下来,我们遍历源路径下的所有视频文件,并使用计数器来确定每15个文件创建一个新的文件夹。在遍历过程中,我们移动每个视频文件到相应的文件夹中,并确保每15个文件后创建一个新的文件夹。

最后,我们输出一条消息,指示文件移动已完成。

相关文章
|
6月前
|
Python
【python学习小案例】提升兴趣之模拟系统入侵,2024年最新面试阿里运营一般问什么
【python学习小案例】提升兴趣之模拟系统入侵,2024年最新面试阿里运营一般问什么
|
程序员 数据安全/隐私保护 计算机视觉
Python:运营自媒体,如何修改图片的MD5值
Python:运营自媒体,如何修改图片的MD5值
694 0
Python:运营自媒体,如何修改图片的MD5值
|
存储 SQL 数据可视化
运营学Python|Python&Excel联动(上)
运营学Python|Python&Excel联动(上)
211 0
运营学Python|Python&Excel联动(上)
|
SQL 数据可视化 数据挖掘
运营学Python|一文搞定编码环境
运营学Python|一文搞定编码环境
239 0
运营学Python|一文搞定编码环境
|
SQL JSON 关系型数据库
YYDS! Python 帮我扛起运营大旗!
最近参加了一个训练营,作为副教练,承担起训练营的运营工作。事不大,活不少,打卡记录、活动积分、奖励制度、评优方案、趋势对比,应有尽有…… 开始认为 Excel 就足够应付,没想到第一项工作 —— 人员汇总,就把我难倒了,于是果断拎起 Python 这把大刀,披荆斩棘,利用业余时间,不到一周竟然打造出了一套运营管理系统,到底是如何做的呢?一起来看。
97 1
YYDS! Python 帮我扛起运营大旗!
|
SQL JSON 关系型数据库
YYDS! Python 帮我扛起运营大旗!
最近参加了一个训练营,作为副教练,承担起训练营的运营工作。事不大,活不少,打卡记录、活动积分、奖励制度、评优方案、趋势对比,应有尽有……
122 0
YYDS! Python 帮我扛起运营大旗!
|
Python 数据采集 数据挖掘
带你读《Python数据分析与数据化运营(第2版)》之三:10条数据化运营不得不知道的数据预处理经验
这是一本将数据分析技术与数据使用场景深度结合的著作,从实战角度讲解了如何利用Python进行数据分析和数据化运营。作者是有10余年数据分析与数据化运营的大数据专家,书中对50余个数据工作流知识点、14个数据分析与挖掘主题、4个数据化运营主题、8个综合性案例进行了全面的讲解,能让数据化运营结合数据使用场景360°落地。
|
Python 关系型数据库 数据库
带你读《Python数据分析与数据化运营(第2版)》之二:数据化运营的数据来源
这是一本将数据分析技术与数据使用场景深度结合的著作,从实战角度讲解了如何利用Python进行数据分析和数据化运营。作者是有10余年数据分析与数据化运营的大数据专家,书中对50余个数据工作流知识点、14个数据分析与挖掘主题、4个数据化运营主题、8个综合性案例进行了全面的讲解,能让数据化运营结合数据使用场景360°落地。
|
5天前
|
存储 数据挖掘 开发者
Python编程入门:从零到英雄
在这篇文章中,我们将一起踏上Python编程的奇幻之旅。无论你是编程新手,还是希望拓展技能的开发者,本教程都将为你提供一条清晰的道路,引导你从基础语法走向实际应用。通过精心设计的代码示例和练习,你将学会如何用Python解决实际问题,并准备好迎接更复杂的编程挑战。让我们一起探索这个强大的语言,开启你的编程生涯吧!
|
11天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
下一篇
无影云桌面