python 中文正则表达匹配-CSDN博客

需求：由于某个n年前的工具的错误，在复制一批文件的时候产生了大量的"复件xxxxxxx""复件（2）XXXXX"等类似文件，由于目录结构深，文件多，预计在5000万个，但是有多少这种错误的文件不清楚，因此写个脚本遍历删除。

 
         #encoding=utf-8 
        
         #author: skybug 
        
         #date: 2014-05-11 
        
         #function: 遍历指目录，删除中文开头的文件名的图片 
        
         import  
         os,re 
        
         cnt  
         =  
         0 
        
         pattern  
         =  
         re. 
         compile 
         (ur 
         "[\u4e00-\u9fa5].*" 
         ) 
         #定义正则匹配表达式 
        
         #pattern = re.compile(ur"[\u590D][u4EF6].*") 
        
         def  
         walkdir_del(srcdir): 
         #遍历目录 
        
         global  
         cnt 
        
         for  
         parent,dirs,files  
         in  
         os.walk(srcdir): 
        
         for  
         file  
         in  
         files: 
        
         infile  
         =  
         os.path.join(parent, 
         file 
         ) 
        
         file  
         =  
         file 
         .decode( 
         'gb2312' 
         ).encode( 
         'utf8' 
         ) 
         #将文件名字符串转码 
        
         file  
         =  
         unicode 
         ( 
         file 
         , 
         'utf8' 
         ) 
         #同上 
        
         match  
         =  
         pattern.match( 
         file 
         ) 
         #匹配 
        
         if  
         match: 
         #如果匹配 
        
         print  
         infile 
        
         os.remove(infile) 
         #删除 
        
         cnt  
         + 
         = 
         1 
        
         print  
         "del %s ok!" 
         % 
         infile 
        
         print  
         "del %d files" 
         % 
         cnt 
        
         srcdir 
         = 
         os.getcwd() 
        
         walkdir_del(srcdir) 
        
           本文转自天山三害 51CTO博客，原文链接：http://blog.51cto.com/skybug/1409589，如需转载请自行联系原作者