第 8 周：正则表达式与批量文件管理

本周解决两类任务：从文字中按规则提取内容，以及用程序创建目录、复制文件、重命名文件和检查结果。正则表达式负责“找文本”，os 与 shutil 负责“管理文件”。

建议用时：8-10 小时。

本周目标#

学完本周，你应该能够：

写出匹配数字、字母、空格和固定文字的基础正则表达式。
使用 re.findall() 提取全部匹配内容。
使用 re.search() 与分组读取第一个匹配。
根据题目要求控制匹配边界，避免多提取或漏提取。
使用 os.path 拼接路径、判断文件和目录。
使用 os.makedirs() 创建目录。
使用 os.listdir()、os.rename() 批量处理文件。
使用 shutil.copy()、shutil.move() 复制和移动文件。
完成标签编号提取和目录归档工具。

8.1 为什么需要正则表达式#

假设要从下面的文本提取所有 PY-2026- 后面的三位数字：

A-PY-2026-015
B-PY-2026-102
C-NET-2026-007
D-PY-2026-015

逐字符判断也可以做，但规则稍复杂后就容易写乱。正则表达式直接描述“文本长什么样”：

PY-2026- 后面跟三位数字

对应模式：

r"PY-2026-\d{3}"

8.2 原始字符串#

正则模式通常写成原始字符串：

pattern = r"\d{3}"

前面的 r 表示反斜杠按原样处理。若使用普通字符串 "\\d{3}"，也必须写两个反斜杠。正则中包含 \d、\w、\s 时，优先使用 r"..."，减少转义混乱。

8.3 常用正则符号#

符号	含义	示例匹配
`.`	任意一个字符，默认不含换行	`a`、`7`
`\d`	一个数字	`0`-`9`
`\D`	一个非数字字符	`A`、`-`
`\w`	字母、数字或下划线	`P`、`8`、`_`
`\W`	非字母数字下划线	`-`、空格
`\s`	一个空白字符	空格、制表符、换行
`\S`	一个非空白字符	`A`、`7`
`[abc]`	括号中任意一个字符	`a`、`b`、`c`
`[^abc]`	不是括号中字符的任意字符	`d`、`1`
`[A-Z]`	大写字母范围	`A`-`Z`
`[0-9]`	数字范围	`0`-`9`

8.4 数量词#

数量词	含义
`*`	前面的内容出现 0 次或多次
`+`	出现 1 次或多次
`?`	出现 0 次或 1 次
`{3}`	恰好 3 次
`{2,5}`	2 到 5 次
`{3,}`	至少 3 次

例子：

\d{3}       # 恰好三位数字
[A-Z]+      # 一个或多个大写字母
colou?r     # color 或 colour

8.5 锚点和边界#

符号	含义
`^`	默认表示字符串开头
`$`	默认表示字符串结尾，或末尾换行前
`\b`	单词边界

示例：

r"^\d{3}$"  # 整个字符串恰好是三位数字

re.fullmatch(r"\d{3}", text) 也可以要求整个字符串完全匹配。

注意：re.search() 只要求模式在某处出现，不要求覆盖整个字符串。

8.6 分组#

圆括号可以把一部分模式作为分组：

r"PY-2026-(\d{3})"

括号内是“末尾三位数字”。使用 findall() 时，如果模式有分组，通常只返回分组内容：

import re

text = "A-PY-2026-015"
result = re.findall(r"PY-2026-(\d{3})", text)

print(result)  # ['015']

如果模式有两个分组，findall() 返回元组列表：

text = "A-15, B-27"
result = re.findall(r"([A-Z])-(\d{2})", text)

print(result)  # [('A', '15'), ('B', '27')]

第一阶段会考 re.findall 直接返回什么，必须根据有没有分组判断。

8.7 `re.findall()`：找出全部匹配#

import re

text = "电话 13800138000，备用 13900139000"
numbers = re.findall(r"\d{11}", text)

print(numbers)
# ['13800138000', '13900139000']

没有分组时，findall() 返回匹配到的完整字符串列表。没有匹配时返回空列表 []。

找所有单词#

text = "Python makes data processing easier"
words = re.findall(r"[A-Za-z]+", text)
print(words)

[A-Za-z]+ 表示连续一个或多个英文字母。

找所有三位数字#

text = "A12 345 B6789 C001"
numbers = re.findall(r"\d{3}", text)
print(numbers)  # ['345', '678', '001']

6789 中会匹配前三个字符 678，这不是错误。若只希望独立的三位数字，需要添加边界条件。

8.8 `re.search()`：只找第一个#

import re

text = "编号：PY-2026-015"
match = re.search(r"PY-2026-(\d{3})", text)

if match:
    print(match.group(0))  # PY-2026-015，完整匹配
    print(match.group(1))  # 015，第一个分组
else:
    print("没有找到")

区别：

没有匹配时，search() 返回 None。
有匹配时返回 Match 对象。
group(0) 是完整匹配。
group(1) 是第一个分组。

直接调用 match.group(1) 前必须确认 match 不为 None，否则会报 AttributeError。

8.9 `match()`、`fullmatch()` 与 `search()`#

import re

print(bool(re.match(r"\d{3}", "12345")))     # True，从开头匹配到 123
print(bool(re.fullmatch(r"\d{3}", "12345"))) # False，整个字符串不是三位
print(bool(re.search(r"\d{3}", "A123B")))    # True，中间找到 123

match() 从字符串开头尝试匹配，但不要求到结尾。
fullmatch() 要求整个字符串完全匹配。
search() 在任意位置查找第一个匹配。

考试若说“查找是否包含”，通常是 search；若说“整个字符串格式必须为”，用 fullmatch 或加首尾锚点。

8.10 匹配模式中的特殊字符#

以下字符在正则中有特殊含义：

. ^ $ * + ? { } [ ] \ | ( )

如果只想匹配文字里的点：

# 错误理解：. 会匹配任意字符
# 正确：转义点
pattern = r"\.py$"

匹配文件名以 .py 结尾：

import re

print(bool(re.search(r"\.py$", "task1.py")))  # True

也可以使用 re.escape("特殊文字") 自动处理特殊字符。

8.11 贪婪匹配#

数量词默认尽量多匹配：

import re

text = "<A><B>"
print(re.findall(r"<.+>", text))  # ['<A><B>']
print(re.findall(r"<.+?>", text)) # ['<A>', '<B>']

在数量词后加 ? 会变成非贪婪，尽量少匹配。基础题中先明确题目到底要整段还是最小片段，不要无脑全部加 ?。

8.12 本周作品一：提取标签编号#

输入文件示例：

A-PY-2026-015
B-PY-2026-102
C-NET-2026-007
D-PY-2026-015
E-ART-2026-088
F-PY-2026-031

import re

text = """A-PY-2026-015
B-PY-2026-102
C-NET-2026-007
D-PY-2026-015
E-ART-2026-088
F-PY-2026-031"""

numbers = re.findall(r"PY-2026-(\d{3})", text)
unique_numbers = sorted(set(numbers), key=int)

print(numbers)        # ['015', '102', '015', '031']
print(unique_numbers) # ['015', '031', '102']

set(numbers) 去重；key=int 按数值排序，因此不会出现按字符串排序时 "102" 跑到 "15" 前面的问题。"015" 仍保留前导零。

8.13 `os.path`：路径判断和拼接#

import os

base = "模拟赛"
data_file = os.path.join(base, "data", "stage2_scores.txt")

print(data_file)
print(os.path.exists(data_file))
print(os.path.isfile(data_file))
print(os.path.isdir(base))

os.path.join() 根据操作系统使用合适的分隔符，比手工写 "/" 或 "\\" 更稳妥。

常用函数：

函数	作用
`os.getcwd()`	当前工作目录
`os.listdir(path)`	列出目录中的名称
`os.path.exists(path)`	路径是否存在
`os.path.isfile(path)`	是否是文件
`os.path.isdir(path)`	是否是目录
`os.path.join(a, b)`	拼接路径
`os.path.basename(path)`	取最后文件名
`os.path.dirname(path)`	取上层目录
`os.path.splitext(path)`	拆主文件名和扩展名

path = "模拟赛/data/stage2_scores.txt"
name, extension = os.path.splitext(os.path.basename(path))

print(name)       # stage2_scores
print(extension)  # .txt

8.14 创建目录#

import os

output_dir = os.path.join("模拟赛", "output", "归档", "原始数据")
os.makedirs(output_dir, exist_ok=True)

makedirs() 会创建路径中缺少的多个层级，不只最后一级。

exist_ok=True 的含义是：如果目录已经存在，不报错；如果不存在，就创建。

os.mkdir() 通常只能创建一个层级，父目录必须已存在。
os.makedirs() 可以创建多层目录。

8.15 列出、筛选和重命名#

import os

folder = "模拟赛/output"

for name in os.listdir(folder):
    full_path = os.path.join(folder, name)
    if os.path.isfile(full_path) and name.endswith(".txt"):
        print(name)

os.listdir() 只返回名称，不自动返回完整路径。进入子目录或判断文件时，应使用 os.path.join()。

重命名#

old_path = "模拟赛/output/old.txt"
new_path = "模拟赛/output/new.txt"

if os.path.exists(old_path):
    os.rename(old_path, new_path)

os.rename() 的目标可以是同一目录中的新名字，也可以是另一个已有目录下的新路径。跨文件系统时可能失败，适合基础本地文件操作。

批量重命名#

import os

folder = "模拟赛/output/renamed"
os.makedirs(folder, exist_ok=True)

for index, name in enumerate(sorted(os.listdir(folder)), start=1):
    old_path = os.path.join(folder, name)
    if not os.path.isfile(old_path):
        continue

    extension = os.path.splitext(name)[1]
    new_name = f"file_{index:02d}{extension}"
    new_path = os.path.join(folder, new_name)

    if old_path != new_path:
        os.rename(old_path, new_path)

{index:02d} 会补成两位数字。批量重命名前应先明确排序规则，并且避免一次运行中把文件改成另一个尚未处理文件的名字，造成冲突。

8.16 复制与移动：`shutil`#

import os
import shutil

source = os.path.join("模拟赛", "data", "stage2_scores.txt")
target_dir = os.path.join("模拟赛", "output", "归档", "原始数据")
os.makedirs(target_dir, exist_ok=True)

shutil.copy(source, target_dir)

target_file = os.path.join(target_dir, "stage2_scores.txt")
backup_file = os.path.join(target_dir, "scores_backup.txt")

if os.path.exists(target_file):
    os.rename(target_file, backup_file)

常用函数：

函数	作用
`shutil.copy(src, dst)`	复制文件内容到目标
`shutil.copy2(src, dst)`	复制内容并尽量保留时间等元数据
`shutil.move(src, dst)`	移动文件或目录
`shutil.rmtree(path)`	递归删除目录

shutil.rmtree() 会删除整个目录树，风险很高。考试和练习中不要对未确认的目录使用，尤其不要拼接用户输入的任意路径调用。

8.17 本周作品二：第二阶段文件管理#

下面是第二阶段任务四的核心步骤：

import os
import re
import shutil

labels_path = "模拟赛/data/stage2_labels.txt"
output_dir = "模拟赛/output"
archive_dir = os.path.join(output_dir, "归档", "原始数据")
number_output = os.path.join(output_dir, "第二阶段_编号.txt")
source_scores = "模拟赛/data/stage2_scores.txt"

os.makedirs(archive_dir, exist_ok=True)

with open(labels_path, "r", encoding="utf-8") as file:
    text = file.read()

numbers = re.findall(r"PY-2026-(\d{3})", text)
numbers = sorted(set(numbers), key=int)

with open(number_output, "w", encoding="utf-8") as file:
    for number in numbers:
        print(number, file=file)

shutil.copy(source_scores, archive_dir)

copied_file = os.path.join(archive_dir, "stage2_scores.txt")
backup_file = os.path.join(archive_dir, "scores_backup.txt")
os.rename(copied_file, backup_file)

print("目录存在：", os.path.isdir(archive_dir))
print("原始副本存在：", os.path.exists(copied_file))
print("备份文件存在：", os.path.exists(backup_file))

预期三个布尔结果：

True
False
True

重命名以后，旧路径 copied_file 不存在，新路径 backup_file 才存在。

8.18 文件操作前的安全顺序#

确定源路径和输出目录。
检查源文件是否存在。
创建输出目录，并设置 exist_ok=True。
只读原始文件。
复制或生成新文件。
重命名后使用新路径检查。
输出目录、旧文件名和新文件名分别验证。

调试文件问题时，不要只打印 "done"。打印实际路径和每个存在性检查，能快速定位是逻辑错还是路径错。

8.19 独立练习#

A. 快速判断题#

\d{3} 表示什么？
re.findall(r"\d", "A1B2") 返回什么？
re.findall(r"(\d+)", "A12B345") 返回什么？
re.search() 找不到时返回什么？
\. 在正则中表示什么？
创建多层目录用哪个函数？
os.path.join("a", "b.txt") 的作用是什么？
os.listdir() 返回的是完整路径还是目录中的名称？
shutil.copy() 与 os.rename() 的主要区别是什么？
重命名后应该检查旧路径还是新路径？

B. 编程题#

从 PY-2026-015 中提取 015。
从文本中提取所有五位数字。
提取所有形如 S01、S99 的编号。
对重复编号去重并按数值升序输出。
创建 output/归档/原始数据 三层目录。
复制一个文本文件到归档目录，再重命名为备份文件。
列出目录中的所有 .py 文件并输出完整路径。
把目录中的文本文件按当前名称排序，并批量加前缀 backup_。

8.20 练习答案与解释#

A. 快速判断题答案#

恰好连续三位数字。
['1', '2']。
['12', '345']。有分组时只返回分组内容。
None。
一个普通的小数点字符，不是“任意字符”。
os.makedirs(path, exist_ok=True)。
按当前操作系统规则把两个路径片段拼接起来。
目录中的名称，通常不是完整路径。
shutil.copy() 复制一份，源文件保留；os.rename() 改变原路径，本质上移动或改名。
新路径。旧路径在成功重命名后通常已不存在。

B. 编程题参考答案#

提取末尾编号：

import re

text = "PY-2026-015"
result = re.search(r"PY-2026-(\d{3})", text)
if result:
    print(result.group(1))

提取五位数字：

import re

text = "A12345 B67890 C123"
print(re.findall(r"\d{5}", text))

提取 S 加两位数字：

import re

text = "S01 S99 X100 S7"
print(re.findall(r"S\d{2}", text))  # ['S01', 'S99']

去重并数值排序：

numbers = ["015", "102", "015", "031"]
result = sorted(set(numbers), key=int)
print(result)  # ['015', '031', '102']

创建多层目录：

import os

path = os.path.join("output", "归档", "原始数据")
os.makedirs(path, exist_ok=True)

复制和重命名：

import os
import shutil

target_dir = os.path.join("output", "归档", "原始数据")
os.makedirs(target_dir, exist_ok=True)

shutil.copy("scores.txt", target_dir)
old_path = os.path.join(target_dir, "scores.txt")
new_path = os.path.join(target_dir, "scores_backup.txt")
os.rename(old_path, new_path)

列出 .py 文件完整路径：

import os

folder = "."
for name in os.listdir(folder):
    path = os.path.join(folder, name)
    if os.path.isfile(path) and name.endswith(".py"):
        print(path)

批量添加前缀：

import os

folder = "output"
for name in sorted(os.listdir(folder)):
    old_path = os.path.join(folder, name)
    if not os.path.isfile(old_path) or not name.endswith(".txt"):
        continue

    new_name = "backup_" + name
    new_path = os.path.join(folder, new_name)
    os.rename(old_path, new_path)

运行前应确认目标名称不冲突，并在可恢复的测试目录中执行。

8.21 常见错误清单#

正则字符串中忘记转义点，.py 把任意字符加 py 也匹配。
使用分组后误以为 findall() 返回完整匹配。
在任意四位数字中截取前三位，却以为只匹配独立三位。
对字符串编号直接排序，导致前导零和长度不同的排序不符合要求。
search() 结果可能为 None，未检查就调用 group()。
拼接路径时直接手工拼分隔符。
listdir() 只拿到名称，却当成完整路径使用。
不检查源文件是否存在就复制。
重命名后仍去旧路径找文件。
对未确认目录使用 shutil.rmtree()。

8.22 过关检查#

能解释 .、\d、[]、+、*、?、{3} 的含义。
能写模式提取指定前缀后的三位数字。
能判断 findall() 在有分组和无分组时的返回形式。
能安全使用 search() 的 Match 对象。
能使用 os.path.join()、exists()、isfile()、isdir()。
能使用 os.makedirs(..., exist_ok=True) 创建多层目录。
能复制、重命名并分别验证新旧路径。
能按数值排序编号，而不是按字符串顺序。
独立完成第二阶段任务四并达到满分。
任何文件删除或批量重命名操作前，都能说明影响范围。