迭代excel文件并在Python中的一个文件夹中输出

Question

我有一个文件夹和子文件夹结构如下：

D:/src
├─ xyz.xlsx
├─ dist
│  ├─ xyz.xlsx
│  ├─ xxx.zip
│  └─ xxy.xlsx
├─ lib
│  ├─ xy.rar
│  └─ xyx.xlsx
├─ test
│  ├─ xyy.xlsx
│  ├─ x.xls
│  └─ xyz.xlsx

我想从源目录和子目录中提取所有 excel 文件（xls 或 xlsx），根据 excel 文件名删除重复文件并将所有唯一文件放在 D:/dst 目录中。如何在 Python 中获得以下结果？谢谢。 预期结果：

D:/dst
├─ xyz.xlsx
├─ xxy.xlsx
├─ xyx.xlsx
├─ xyy.xlsx
├─ x.xls

这是我尝试过的：

import os

for root, dirs, files in os.walk(src, topdown=False):
    for file in files:
        if file.endswith('.xlsx') or file.endswith('.xls'):
            #print(os.path.join(root, file))
            try:
                df0 = pd.read_excel(os.path.join(root, file))
                #print(df0)
            except:
                continue
            df1 = pd.DataFrame(columns = [columns_selected])
            df1 = df1.append(df0, ignore_index = True)
            print(df1)
            df1.to_excel('test.xlsx', index = False)

Answer 1

我认为这会做你想要的：

import os
import shutil


src = os.path.abspath(r'.\_src')
dst = os.path.abspath(r'.\_dst')
wanted = {'.xls', '.xlsx'}

copied = set()

for root, dirs, filenames in os.walk(src, topdown=False):
    for filename in filenames:
        ext = os.path.splitext(filename)[1]
        if ext in wanted and filename not in copied:
            src_filepath = os.path.join(root, filename)
            shutil.copy(src_filepath, dst)
            copied.add(filename)

Answer 2

既然你已经有了glob.glob，你就不需要再做os.walk，反之亦然。但是由于 glob 一次只匹配一个模式，并且无法在扩展中表示可选的额外“x”，因此您要么需要两次 glob 循环 - 每个扩展一次；或者使用可以匹配'*.xlsm'等的glob.glob( 'D:\\src\\*.xls*')等

对于每个匹配的文件，使用shutil.move:

for file in glob.glob('D:\\src\\*.xls*'):
    shutil.move(file, 'D:\\dst\\' + os.path.basename(file))

使用os.walk，您可以在同一循环中使用fnmatch.fnmatch 进行每个扩展检查：

for root, dirs, files in os.walk('D:\\src'):
    for file in files:
        if fnmatch.fnmatch(file, '*.xls') or fnmatch.fnmatch(file, '*.xlsx'):
            shutil.move(f'{root}\\{file}', f'D:\\dst\\{file}')
            # shutil.move(root + '\\' + file, 'D:\\dst\\' + file)