1、遍历文件夹、子目录
import os
#提取文件目录，存成列表list_directory（列表有顺序，字典无序）
def get_directory(path,li=[]):
li.append(path)
"""
1、topdown=true从上往下遍历，false从底层往上遍历
2、dirs是walk遍历出来的，还需要再遍历一次。
3、files与dirs类似，也需要遍历2遍。
4、root是目录名绝对路径，dirs是单个目录名，files是单个文件名
"""
for root, dirs, files in os.walk(path, topdown=True):
for name in dirs:
li.append(os.path.join(root, name)) #将指定目录下的所有目录都添加到列表li，dirs是个可迭代的包含目录名
return li
2、遍历文件夹下的文件
import os
for root, dirs, files in os.walk(path, topdown=True):
for name in files:
if name.endswith(".tif"): #判断文件类型
path_file = os.path.join(root, name) #root是文件名name对应的目录
tif.get_tif(path_file)
elif name.endswith(".pdf"):
path_file = os.path.join(root, name)
pdf.get_pdf(path_file)
#变量组成列表
dic = [path, pdf.count, round(pdf.size, 2), pdf.page,
tif.count, round(tif.size, 2),tif.page]
return dic
3、获取电脑桌面路径
import winreg
#获取桌面路径
def get_desktop():
key = winreg.OpenKey(winreg.HKEY_CURRENT_USER,
r'SoftwareMicrosoftWindowsCurrentVersionExplorerShell Folders',)
return winreg.QueryValueEx(key, "Desktop")[0]
4、数据写入excel
import xlwt
# 将数据写入excel
def data_write(file_path, datas):
#创建一个工作簿
f = xlwt.Workbook()
#创建sheet1
sheet1 = f.add_sheet(u'sheet1', cell_overwrite_ok=True)
#插入表头
header = ['path','pdf_count','pdf_size','pdf_page','tif_count','tif_size','tif_page']
for k in range(len(header)):
sheet1.write(0,k, header[k])
# 将数据写入第 i 行，第 j 列
i = 1
for data in datas: #datas就是一个列表（行），里面存的还是列表（列）
for j in range(len(data)):
sheet1.write(i, j, data[j]) #data[j]是数据内容
i = i + 1
#获取桌面路径
file_path=get_desktop()
file_path=f'{file_path}/data.xls'
#保存excel文件,需要带上写入的文件名称
f.save(file_path) #f是上面存的工作簿对象
#打开文件
os.system(f"start {file_path}")
5、pdf文件页数的几种方法
import pdfplumber
def get_pdf_pages(path):
f = pdfplumber.open(path)
return len((f.pages))
from PyPDF2 import PdfFileReader
def get_num_pages(file_path):
"""
获取文件总页码
:param file_path: 文件路径
:return:
"""
reader = PdfFileReader(file_path)
# 不解密可能会报错：PyPDF2.utils.PdfReadError: File has not been decrypted
if reader.isEncrypted:
reader.decrypt('')
page_num = reader.getNumPages()
return page_num
from pdfrw import PdfReader
def get_pages(file_path):
x=PdfReader(path)
num_page0=len(x.pages)
return num_page0
6、判断字符串是否包含空格
import re #正则模块
#传入字符串，返回true或者false
def is_space(char):
"""判断是否包含空格"""
if re.search(r"s",char):
return True
else:
return False
7、获取tif文件页数
from PIL import Image
# 获取文件累计页数
def get_page(self,path):
img = Image.open(path)
self.page=self.page+img.n_frames
8、多进程多线程的使用
from concurrent.futures import ProcessPoolExecutor,as_completed
import multiprocessing
if __name__ == '__main__':
#防止windows多进程循环调用
multiprocessing.freeze_support()
# future.map函数,也是异步处理的,map函数会根据li列表的顺序返回对应值。
# ProcessPoolExecutor() 不写参数代表根据电脑最大cpu核数取值，创建进程池
with ProcessPoolExecutor(max_workers=7) as executor:
for prime in executor.map(get_file, li): #遍历li列表，将遍历的值传给函数get_file执行
l_queue.append(prime)
#最新版本,使用as_completed处理异步
with ProcessPoolExecutor(max_workers=7) as executor:
futures = [executor.submit(get_file, item) for item in li] #根据列表li提交任务
for future in as_completed(futures): #当get_file返回时，再遍历取值，异步的
l_queue.append(future.result())
9、获取py文件路径
file_name=os.path.dirname(__file__)
10、弹窗获取用户选择的路径
import tkinter as tk
from tkinter import filedialog
root = tk.Tk()
root.withdraw()
file_path = filedialog.askdirectory() #用户选择的路径
11、打包应用程序
pyinstaller -F 打包成一个应用程序（不写打包成一个目录） -i 图标名称 start.py（打包的py主文件）
#终端切换到目录执行
D:互联网项目vbadatatools-副本>pyinstaller start.py
#指定-F参数容易失败，多进程要加multiprocessing.freeze_support()
12、类的写法
#基类
class Base:
# 获取文件大小、数量
def __init__(self):
self.count = 0
self.size = 0
self.page = 0
# 获取文件累计大小
def get_size(self,path):
fsize = os.path.getsize(path)
fsize = fsize / float(1024 * 1024)
self.size=fsize+self.size
#print(f'文件大小是{fsize}')
# 获取文件累计数量
def get_count(self):
self.count=self.count + 1
#子类
#tif类
class tif_info(Base):
def __init__(self):
super().__init__() #调用父类的init方法
# 获取文件累计页数
def get_page(self,path):
img = Image.open(path)
self.page=self.page+img.n_frames
# 封装调用3个类方法
def get_tif(self,path):
self.get_count()
self.get_size(path)
self.get_page(path)