Python实操代码（有删除重复文件，有正则提取一列）很有用的

1，判断所有重复的文件并执行删除

第一步：遍历出文件名

import os
for 文件夹路径,子文件夹列表,文件列表 in os.walk(r'C:\Users\17547\Desktop\SQL导入第二个文件夹'):
    for 文件名 in os.scandir(文件夹路径):
        print(文件名)

第二步：添加了if语句

import os
列表 =[]
for 文件夹路径,子文件夹列表,文件列表 in os.walk(r'C:\Users\17547\Desktop\SQL导入第二个文件夹'):
    for 文件名 in os.scandir(文件夹路径):
        if 文件名.is_file():
            文件 = open(文件名,'rb').read()
            if hash(文件) in 列表:
                os.remove(文件名)
            else:
                列表.append(hash(文件))
            

2，正则表达式1

1.1 取出一列里都是数字的

import re

df1['numbers'] = df1['HBL'].apply(lambda x: re.sub('[^0-9]', '', x))

print(df1)

1.2 取出一列里所有的字母

import re

df1['letters'] = df1['HBL'].apply(lambda x: re.sub('[^A-Za-z]', '', x))

print(df1)

1.3 取出第二个字母到第四个字母（SHA）

df1['letters3'] = df1['HBL'].str[1:4]

print(df1)

1.4 取出含有这几个英文的 （SHA,SRG,SUB)然后放到新列里

df1['new_column'] = df1['HBL'].str.contains('(SHA|SRG|SUB)')

print(df1)

1.5 取出一列中以N开头，以6结尾的，不符合条件的输出为空白

import re

df1['new_column'] = df1['HBL'].apply(lambda x: re.search(r'^N.*6', x).group() if re.search(r'^N.*6', x) else '')

print(df1)

相反的，不要以N开头，以6结尾的

df1['new_column'] = df1['HBL'].apply(lambda x: x if not re.findall(r'^N.*6$', x) else '')

print(df1)

1.6取出开头是N到S的

df1['new_column'] = df1['HBL'].apply(lambda x: re.findall(r'^[N-S].*', x)[0] if re.findall(r'^[N-S].*', x) else '')

print(df1)

1.7取出中间是D到H的

df1['new_column'] = df1['HBL'].apply(lambda x: re.findall(r'^.*[D-H].*', x)[0] if re.findall(r'^.*[D-H].*', x) else '')

print(df1)

1.8取最后三个数字

wr['new_column'] = wr['Invoice No'].str.extract(r'(\d{3})$')