python编程快速上手实例_Python编程快速上手——选择性拷贝操作案例分析

本文实例讲述了Python选择性拷贝操作。分享给大家供大家参考,具体如下:

问题如下:

编写一个程序,遍历一个目录树,查找特的那个拓展名的文件(如,.jpg或.pdf)。不论这些文件位置在哪里,将它们拷贝到一个新的文件夹中

思路如下:

- 程序需要做以下事情:

遍历文件目录树,并返回相关文件夹及文件信息

查找特定文件名文件

将找到的特定文件拷贝到新文件夹

- 代码需要做以下事情:

导入os,shutil模块

input()输入需要查找的文件拓展名,遍历的文件夹及复制目标文件夹

os.walk(0遍历目录树

filename.endswith('')查找特定文件名文件

shutil模块移动,复制相应文件

拷贝完成反馈结果

代码如下:

import os, shutil

fiName = input("请输入需要遍历的文件夹地址:")

baseName = input("请输入需要查找文件的拓展名(如:.pdf,.txt,.jpg):")

toName = input("请输入需要移动到的地址:")

for folderName,_, filenames in os.walk(fiName):

#os.walk默认返回三个参数,因为第二个参数返回子文件夹用不上,因此设置了 -参数,填充位置

print('当前遍历文件夹:' + folderName)

for filename in filenames:

if filename.endswith(baseName):

print("当前文件夹的“{0}”文件有:{1}".format(baseName,filename))

filePath = folderName +'\\'+ filename #加上'\\'转义字符,才是正确的路径

shutil.copy(filePath,toName)

print("拷贝文件“{0}”到“{1}”成功!".format(baseName,toName))

运行结果如下:

2020022812325954.png?2020128123447

希望本文所述对大家Python程序设计有所帮助。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值