Python的第三方库OS库

简介: Python的第三方库OS库

🔥前言

Python的OS库提供了许多用于文件和目录操作的基本功能,如重命名、复制、删除等,能够方便地进行文件系统管理。优点包括易于学习和使用,功能丰富;缺点则是有些操作需要更多复杂的处理,可能不够高效。适合场景包括需要对文件和目录进行简单管理和操作的应用,如文件整理、备份等。

优点:

易于学习和使用,Python的OS库提供了简单直观的接口,适合初学者或快速开发。

功能丰富,能够完成大部分基本的文件和目录操作,满足一般需求。

跨平台性,适用于不同操作系统,使得程序具有更好的可移植性。

缺点:

对于复杂的文件操作可能需要更多的代码处理,不如一些专门的第三方库方便。

有些操作可能不够高效,特别是处理大量文件时可能会导致性能下降。

适用场景:

Python的OS库适合处理简单的文件和目录操作,例如文件重命名、复制、移动、删除等。常见的应用场景包括文件整理、备份、批量重命名等操作。如果需要更高级的功能或更好的性能,可以考虑使用一些专门的第三方库来完成。

🚀OS/SHUTIL 的方法描述

方法/函数 描述
os.rename(src, dst) 重命名文件或目录
os.listdir(path) 返回指定目录下的所有文件和目录
os.getcwd() 返回当前工作目录
os.chdir(path) 改变当前工作目录
os.path.join(path1, path2) 将两个路径组合成一个完整路径
os.path.exists(path) 检查指定路径(文件或目录)是否存在
os.path.isfile(path) 检查路径是否为文件
os.path.isdir(path) 检查路径是否为目录
os.path.basename(path) 返回路径中的文件名
os.path.dirname(path) 返回路径中的目录名
os.path.split(path) 返回路径的目录名和文件名
os.path.splitext(path) 分割路径的文件名和扩展名
os.makedirs(path) 递归创建目录
os.remove(path) 删除文件
os.rmdir(path) 删除空目录
shutil.copy(src, dst) 复制文件或目录
shutil.move(src, dst) 移动文件或目录
shutil.rmtree(path) 递归删除目录和文件

以上是一些常用的os和shutil库函数/方法,用于处理文件和目录操作。这些函数可以帮助你在Python中执行文件的移动、复制、删除、重命名等操作。

🚀OS/SHUTIL 的方法实操

1️⃣我的C盘文件夹下的Pythonspider,有Python爬虫相关的20份左右的文件,我想把这些文件重命名一下,于是这便用到了OS库来进行重命名操作了。

2️⃣我对这些文件的命名特点进行共性分析,便于新命名的规律

文件名是这一串:python_python_v1.0_第3章_Python爬虫_02-xpath表达式&案例_[代码]_11_7_xpath表达式案例

其他文件都是基于这一规律的:我想着是提取改文件名的中间一部分便找到了“_”这个分割

具体代码如下:

import os
# 设置文件夹路径
folder_path = r'C:\Pythonspider'
# 获取文件夹下的所有文件和文件夹
entries = os.listdir(folder_path)
# 遍历文件夹中的所有条目
for entry in entries:
    # 获取每个条目的完整路径
    full_path = os.path.join(folder_path, entry)
    # 检查是否是文件
    if os.path.isfile(full_path):
        # 分割文件名和扩展名
        filename, ext = os.path.splitext(entry)
        # 假设文件名以'_'分隔,我们可以通过分割字符串并选择特定部分来实现
        parts = filename.split('_')
        # 检查分割后的文件名部分是否足够
        if len(parts) > 5:
            # 截取第五个'_'后和第六个'_'前的文件名部分
            new_filename = '_'.join(parts[5:6]) + ext
            # 构造新的文件完整路径
            new_file_path = os.path.join(folder_path, new_filename)
            # 构造原始文件的完整路径
            old_file_path = os.path.join(folder_path, entry)
            # 重命名文件
            os.rename(old_file_path, new_file_path)
            print(f"Renamed '{entry}' to '{new_filename}'")
        else:
            print(f"The original filename '{entry}' does not contain enough parts separated by '_'.")
    else:
        # 如果是文件夹,可以选择递归遍历或忽略
        continue
print("Renaming process completed.")

3️⃣运行代码后,这个新命名我看的就比较轻松了:

⭐️⭐️⭐️总结

这是一次小小的尝试,我依稀记得刚进公司时,主管叫我给4000多个视频文件进行重命名,根据视频的相关内容,花费了我一周时间将其搞定,后面我将会根据现实所碰到的问题,一一介绍Python第三方库的妙用!!!

目录
相关文章
|
2月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
427 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
2月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
204 0
|
4月前
|
存储 Web App开发 前端开发
Python + Requests库爬取动态Ajax分页数据
Python + Requests库爬取动态Ajax分页数据
|
1月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
210 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
1月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
298 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
2月前
|
安全 Python
告别 os.path 的繁琐:拥抱 Python 的 pathlib
告别 os.path 的繁琐:拥抱 Python 的 pathlib
393 6
|
3月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
231 18
|
4月前
|
JSON 网络安全 数据格式
Python网络请求库requests使用详述
总结来说,`requests`库非常适用于需要快速、简易、可靠进行HTTP请求的应用场景,它的简洁性让开发者避免繁琐的网络代码而专注于交互逻辑本身。通过上述方式,你可以利用 `requests`处理大部分常见的HTTP请求需求。
481 51
|
3月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
347 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
3月前
|
数据采集 存储 Web App开发
Python爬虫库性能与选型实战指南:从需求到落地的全链路解析
本文深入解析Python爬虫库的性能与选型策略,涵盖需求分析、技术评估与实战案例,助你构建高效稳定的数据采集系统。
360 0
下一篇
oss云网关配置