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
实时计算 Flink 版,5000CU*H 3个月
实时数仓Hologres,5000CU*H 100GB 3个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1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
|
9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
746 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)
227 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
251 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……
131 0
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…… 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。
107 1
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。
|
23天前
|
存储 缓存 Java
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
58 5
Python高性能编程:五种核心优化技术的原理与Python代码
|
2月前
|
Python
[oeasy]python055_python编程_容易出现的问题_函数名的重新赋值_print_int
本文介绍了Python编程中容易出现的问题,特别是函数名、类名和模块名的重新赋值。通过具体示例展示了将内建函数(如`print`、`int`、`max`)或模块名(如`os`)重新赋值为其他类型后,会导致原有功能失效。例如,将`print`赋值为整数后,无法再用其输出内容;将`int`赋值为整数后,无法再进行类型转换。重新赋值后,这些名称失去了原有的功能,可能导致程序错误。总结指出,已有的函数名、类名和模块名不适合覆盖赋新值,否则会失去原有功能。如果需要使用类似的变量名,建议采用其他命名方式以避免冲突。
52 14
|
2月前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
116 2

推荐镜像

更多