京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源:早起Python
作者:陈熹、刘早起
大家好,又到了Python办公自动化(偷懒)专题。
今天介绍的案例是如何利用Python来自动化移动、修改、重命名文件/夹,这样的操作在日常办公中经常会用到,若能掌握用Python实现将会大大提高效率!
所以我希望能够通过这篇文章来让大家了解:如何基于 os glob 和 shutil 对文件管理的综合运用!
为了让本文介绍的案例更有通用型,我新建了一个文件夹 files1 存放着 1800+ 个文件,如下所示:
需要完成的内容如下
“
将 1835 个文件移动到新文件夹 file2,并且重命名文件,名字开头加上 序号 和 “终稿” 两个字,如名字更改为 “1-终稿-xxxxx(原文件名)”
”
你心里可能想着:这是人做的事??? 但确实这是真实的需求,文件批量重命名非常常见,如果没有一些技巧,那么只能耗费大量的时间和人力去做。这里的技巧,就是 Python
另外还有一个问题:要先移动再重命名还是先重命名再移动呢? 继续往下看!
真实的办公场景并不会这样的需求,毕竟谁想要无端给自己的电脑产生大量无用文件呢(也不要给别人的电脑乱用)
不得不提,生成随机文件能够帮助我们更好的测试自己 Python 文件管理的技能。如果你没有合适的文件夹和文件夹供自己练习,那么为什么不自己写个代码产生呢?
当然,在这个过程中我们也会学习一些知识点,先看代码:
import random import string for i in range(2000):
random_str = ''.join(random.sample(string.ascii_letters + string.digits, random.randint(1, 11)))
file = open(r"C:\xxx\file1" + random_str + ".txt", 'w+') # 前面路径是产生文件的目标文件夹
file.write(''.join(random.sample(string.ascii_letters + string.digits, random.randint(1, 11))))
file.close()
通过 string 就可以获得所有的字母和数字,利用 random.sample() 常规接受两个参数,一个是抽样的范围,一个是抽样的次数,默认是放回抽样。这样就可以在给定的字母数字范围内随机抽取 1-10 个,但是返回的结果注意是列表,需要再用 .join 方法完成字符串拼接
用随机产生的名字生成文件后,再在其内部用类似的方法随机写入一些内容:
上面的写法不够优雅,因为需要配套使用 file.close() 释放,更好的方法是直接利用上下文管理器 with 结构,减少出错的几率
import random import string for i in range(2000):
random_str = ''.join(random.sample(string.ascii_letters + string.digits, random.randint(1, 11)))
with open(r"C:\xxx\file1" + random_str + ".txt", 'w+') as file:
file.write(''.join(random.sample(string.ascii_letters + string.digits, random.randint(1, 11))))
因为即使是随机产生名字,但抽样的范围和次数不大决定了 2000 次抽样会有一些抽签组合成的名字完全一样,后面形成的文件会覆盖之前产生的文件,最终导致产生的文件没有 2000 个。
需要用到内置库 os 的 os.rename() 方法
import os os.rename('practice.txt', 'practice_rename.txt') # 重命名文件 os.rename('文件夹1', '文件夹2') # 重命名文件夹
虽然需求中有重命名文件的需求,但实际上并不需要直接借助这个方法
需要用到内置库 shutil 的 shutil.move 方法
import shutil
shutil.move(r'.practice.txt', r'.文件夹1/')
shutil.move(r'.practice.txt', r'.文件夹1/new.txt')
注意到上面后两行代码的区别吗?前一行是将目标文件移动到目标文件夹里,而后一行,在将目标文件移动到目标文件夹里的同时,能够对其进行重命名
也就是说,我们并不需要用 os.rename 先命名文件再用 shutil.move 将其移动的指定文件夹,而是可以用 shutil.move 一步到位。
采用基于 glob 库的迭代框架:
import glob
path = xxx for file in glob.glob(f'{path}/**/*.xlsx', recursive=True):
pass
上面的代码能够获取给定路径内部所有文件夹下的 Excel 文件(.xlsx 格式), recursive 参数默认为 False,当为 True 时允许逐级遍历
而本例需要获取给定文件夹下的所有 .txt 文件,则更加简单:
import glob
path = xxx for file in glob.glob(f'{path}/*.txt'):
pass
在上面一节我们已经把需求拆分为多个小块并理清了思路,现在可以开始写代码了。首先导入需要的库
import os import shutil import glob
path = r"C:xxx" # 存放大量需更名移动文件的文件夹路径的上一级路径
上文提到,不需要利用 os.rename 那为什么要导入 os 库呢?
一方面因为要通过这个库产生新的文件夹。也可以手动完成,但交给代码多了判断也不容易出错:
if not os.path.exists(path + r'file2'):
os.mkdir(path + r'file2')
另一方面下文还会用它获取文件名,然后就可以移动更名一步到位,glob 迭代文件框架遍历获取文件绝对路径:
count = 1 # 生成序号 for file in glob.glob(f'{path}\测试\*.txt'):
# 这里是文件绝对路径,可以用字符串方法直接替换修改,但为了方便理解我还是用路径拼接 filename = os.path.basename(file)
shutil.move(file, path + r'file2' + f'{count}-终稿-{filename}')
count += 1
看到没,Python、3秒、搞定、干饭!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21