使用Python创建带有zip文件夹的文件名目录

Question

我有一个文件夹，里面装满了很多 zip 文件夹。每个 zip 内有 1 到 4 个 CSV 文件。我想创建一个目录（最好打印为 Excel），其中第 1 列包含 zip 文件夹名称中的数字，第 2 列包含其中包含的至少 1 个 csv 文件的名称的一部分那个 zip 文件夹。因此，读取每个 csv 文件中至少一个的路径名并保存其中的两个文件就可以了。

更多详情：

• Zip 文件夹： zip 文件夹的命名方案如下：“CSV_2023_Q2_XXXXXXX_XXXXXXX.ZIP”。其中有 3,000 多个。

• 每个 Zip 中都有 CSV 文件： 每个 Zip 文件夹中都有 1 到 4 个 csv 文件。这些都遵循一致的命名方案 文件名的开头，但具有（最多）4 个不同的后缀。这 根目录如下：“202306_COMPANY_NAME_LLC...”（公司注意事项 他们的名字中多于或少于两个单词，它将有一个 不同的结构，如“202306_COMPANY...”或 “202306_COMPANY_WITH_LONG_NAME_LLC...”）。这些 csv 的后缀 文件是“_ident.CSV”、“_contracts.CSV”、“_indexPub.CSV”和 “_transactions.CSV”。例如，完整的 csv 文件名将是： “202306_COMPANY_NAME_LLC_ident.csv”。所有 zip 文件夹至少有 “ident.csv”文件，但并非所有文件都有其余部分。

• 最终目标：我想遍历所有这些 zip 文件夹并创建一个将 zip 文件夹的名称链接到公司的目录 里面的名字。只要这个目录是可搜索的，我就不会 关心它是如何构建的，但我更喜欢它是否可以输出到 Excel 文件。

谢谢！！

我已经尝试了以下方法，但我得到的只是一个最终的 csv 文件，其中只有列标题的标题：

# I first imported the path of the folder as main_folder 

folder_file_info = []
# Traverse the main folder

for root, dirs, files in os.walk(main_folder):

    for folder_name in files:

        if folder_name.startswith("CSV_"):

            zip_folder_path = os.path.join(root, folder_name)

        

            

            # Get the list of files in zip folders

            zip_files = []

            with zipfile.ZipFile(zip_folder_path, "r") as zip_ref:

                zip_files = zip_ref.namelist()

               

            # Find Ident file

            ident_file = next((file for file in zip_files if file.endswith("_ident.csv")),None)

           

            if ident_file:

                # Extract company name

                zip_folder_name = folder_name

                file_beginning = ident_file.rsplit("_ident.csv",1)[0]

                folder_file_info.append((zip_folder_name,file_beginning))

           

#Write folder and file info into a CSV

csv_file_path = "folder_contents_6.csv"

with open(csv_file_path, "w",newline="") as csv_file:

    csv_writer = csv.writer(csv_file)

    csv_writer.writerow(["Zip Folder", "Company Name"])

    csv_writer.writerows(folder_file_info)

Answer 1

from multiprocessing.dummy import Pool
from pathlib import Path
import csv, zipfile


# function for worker threads
def worker(filename):
    with zipfile.ZipFile(filename) as file:
        ident = (i for i in file.namelist() if i.endswith('_ident.csv'))
        files = ', '.join(i.rsplit('_ident.csv', 1)[0] for i in ident)
    return (filename, files or 'no "_ident.csv" found')

if __name__ == '__main__':
    # use pathlib to make a list of filenames
    # adjust path as needed
    csv_files = (file.resolve() for file in Path('.').glob('CSV_*'))

    # might get a slight bump from multiple threads, might not
    with Pool() as pool:
        # if order matters, use imap
        # imap_unordered returns results "as completed"
        results = [result for result in pool.imap_unordered(worker, csv_files)]
    pool.join()

    with open('folder_contents_6.csv', 'w', newline='') as file:
        writer = csv.writer(file)
        writer.writerow(['zip_folder', 'company_name'])
        writer.writerows(results)