本文介绍一种高效、安全的 python 方法，通过剥离固定格式的时间戳前缀，识别并删除同名（不含时间部分）的重复文件，仅保留一个原始文件，无需正则表达式即可稳健实现。
本文介绍一种高效、安全的 python 方法，通过剥离固定格式的时间戳前缀，识别并删除同名（不含时间部分）的重复文件，仅保留一个原始文件，无需正则表达式即可稳健实现。
在实际文件管理中，常遇到一类命名规律明确的重复文件：它们共享完全相同的业务标识（如项目名称、作者、类型等），仅开头的时间戳部分不同。例如以下四份日志或报告文件：
2024-11-22 23-40-25 - Konstrukteur - Möbel (mwd).txt 2024-11-22 22-14-02 - Konstrukteur - Möbel (mwd).txt 2024-11-22 22-02-34 - Konstrukteur - Möbel (mwd).txt 2024-11-22 22-01-58 - Konstrukteur - Möbel (mwd).txt
目标很明确：忽略开头的 YYYY-MM-DD HH-MM-SS 时间段（共19个字符），将剩余部分作为“逻辑文件名”进行去重；对每组相同逻辑名的文件，仅保留最早（或任意一个）文件，其余全部安全删除。
✅ 推荐方案：字符串切片 + 集合去重（简洁、高效、可读性强）
由于时间戳格式统一且长度固定（YYYY-MM-DD HH-MM-SS 共19字符，含空格和连字符），我们无需引入正则表达式——直接使用切片 filename[19:] 即可精准提取核心名称：
import os
# 示例文件列表（实际中可用 os.listdir() 获取）
files = [
"2024-11-22 23-40-25 - Konstrukteur - Möbel (mwd).txt",
"2024-11-22 22-14-02 - Konstrukteur - Möbel (mwd).txt",
"2024-11-22 22-02-34 - Konstrukteur - Möbel (mwd).txt",
"2024-11-22 22-01-58 - Konstrukteur - Möbel (mwd).txt"
]
seen = set()
for file_path in files:
# 提取核心名称：跳过前19位时间戳（"YYYY-MM-DD HH-MM-SS " → 长度恰好19）
core_name = file_path[19:]
if core_name in seen:
# 已见过该核心名 → 当前文件为重复项，执行删除
try:
os.remove(file_path)
print(f"✅ Deleted: {file_path}")
except OSError as e:
print(f"⚠️ Failed to delete {file_path}: {e}")
else:
# 首次出现 → 记录并保留
seen.add(core_name)
print(f"? Kept (first occurrence): {file_path}")
✅ 输出效果示例（假设按列表顺序处理）：
? Kept (first occurrence): 2024-11-22 23-40-25 - Konstrukteur - Möbel (mwd).txt
✅ Deleted: 2024-11-22 22-14-02 - Konstrukteur - Möbel (mwd).txt
✅ Deleted: 2024-11-22 22-02-34 - Konstrukteur - Möbel (mwd).txt
✅ Deleted: 2024-11-22 22-01-58 - Konstrukteur - Möbel (mwd).txt
⚠️ 关键注意事项
-
前提强依赖格式一致性：该方法严格要求所有待处理文件均以 YYYY-MM-DD HH-MM-SS（注意末尾空格）开头，且长度恒为19字符。若存在不合规文件（如缺位、格式错误），切片会出错——建议先校验：
# 安全增强：过滤非标准格式文件 valid_files = [f for f in files if len(f) >= 19 and f[4] == '-' and f[7] == '-' and f[10] == ' ' and f[13] == '-' and f[16] == '-']
保留策略说明：本方案保留首次出现的文件（即列表中第一个匹配该核心名的文件）。如需保留最新时间戳文件，可先按时间排序再处理（需解析时间字符串）。
路径安全提醒：示例中 files 是纯文件名。若含相对/绝对路径，请确保 os.remove() 能正确访问；推荐使用 os.path.join(directory, filename) 构造完整路径。
-
生产环境必备防护：
- 添加 dry_run=True 参数预览操作；
- 删除前用 shutil.copy2() 备份关键文件；
- 使用 logging 替代 print() 实现可追溯审计。
? 进阶建议（无需正则，但更鲁棒）
若未来文件格式可能变化（如时间戳长度浮动），可用 re.split(r'^\d{4}-\d{2}-\d{2}\s+\d{2}-\d{2}-\d{2}\s*-\s*', filename, maxsplit=1) 提取后半段，但当前场景下，简洁的切片方案更高效、更易维护、更少出错——这正是“合适工具解决合适问题”的最佳实践。
