Python は、データ分析、Web 開発、その他の分野で広く使用されている強力なプログラミング言語です。ファイル操作では、多くの場合、特定のパターンに基づいてファイル名またはファイル パスを照合する必要があります。 Python には、ファイル パターン マッチング用の glob モジュールが用意されています。この記事では、Python 2.x でのファイル パターン マッチング用の glob モジュールの使用方法を紹介します。
glob モジュールは Python 標準ライブラリの一部であり、追加のインストールなしで使用できます。パターン文字列に基づいてファイルとフォルダーの検索方法を提供し、一致するファイルまたはフォルダーのリストを返します。 glob モジュールは、いくつかの一般的なファイル パターン マッチング ルールをサポートしています。
-
*
: 任意の文字に一致します。 - #?
: 単一の文字と一致します。
- [Character]
: 文字セット内の任意の文字と一致します。
- [!Character]
: 文字セット内の文字以外の任意の文字と一致します。
import glob # 匹配当前目录下所有的.py文件 files = glob.glob('*.py') print(files) # 匹配当前目录下所有以test开头的文件夹 folders = glob.glob('test*') print(folders) # 匹配当前目录及其子目录下所有的.txt文件 files = glob.glob('**/*.txt', recursive=True) print(files)上記のコードでは、最初に glob モジュールがインポートされます。次に、
glob.glob() メソッドを通じて一致するパターン文字列を渡し、一致するファイルまたはフォルダーのリストを取得します。現在のディレクトリ内のすべての .py ファイルと一致するには、
*.py を使用します。ここで、
* は任意の文字と一致することを意味します。現在のディレクトリ内の test で始まるすべてのフォルダーと一致するには、
test* を使用します。ここで、
* は任意の文字と一致することを意味します。現在のディレクトリとそのサブディレクトリ内のすべての .txt ファイルと一致するには、
**/*.txt を使用します。
** は、任意のレベルのサブディレクトリと一致することを意味します。
~ を使用してユーザーのホーム ディレクトリを表し、
../ を使用して上位レベルのディレクトリを表すことができます。以下は、パス拡張を使用したサンプル コードです。
import glob # 匹配当前用户主目录下所有的.py文件 files = glob.glob('~/Desktop/*.py') print(files) # 匹配上一级目录下所有以test开头的文件夹 folders = glob.glob('../test*') print(folders)上記のコードでは、
~/Desktop/*.py を使用して、現在のユーザーのホームにあるデスクトップ ディレクトリ内のすべての .py と一致します。ディレクトリ、ドキュメント。
../test* を使用して、上位ディレクトリの test で始まるすべてのフォルダーを照合します。
以上がPython 2.x でファイル パターン マッチングに glob モジュールを使用する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

PythonとCは、メモリ管理と制御に大きな違いがあります。 1。Pythonは、参照カウントとガベージコレクションに基づいて自動メモリ管理を使用し、プログラマーの作業を簡素化します。 2.Cには、メモリの手動管理が必要であり、より多くの制御を提供しますが、複雑さとエラーのリスクが増加します。どの言語を選択するかは、プロジェクトの要件とチームテクノロジースタックに基づいている必要があります。

科学コンピューティングにおけるPythonのアプリケーションには、データ分析、機械学習、数値シミュレーション、視覚化が含まれます。 1.numpyは、効率的な多次元配列と数学的関数を提供します。 2。ScipyはNumpy機能を拡張し、最適化と線形代数ツールを提供します。 3. Pandasは、データ処理と分析に使用されます。 4.matplotlibは、さまざまなグラフと視覚的な結果を生成するために使用されます。

PythonまたはCを選択するかどうかは、プロジェクトの要件に依存するかどうかは次のとおりです。1)Pythonは、簡潔な構文とリッチライブラリのため、迅速な発展、データサイエンス、スクリプトに適しています。 2)Cは、コンピレーションと手動メモリ管理のため、システムプログラミングやゲーム開発など、高性能および基礎となる制御を必要とするシナリオに適しています。

Pythonは、データサイエンスと機械学習で広く使用されており、主にそのシンプルさと強力なライブラリエコシステムに依存しています。 1)Pandasはデータ処理と分析に使用され、2)Numpyが効率的な数値計算を提供し、3)SCIKIT-LEARNは機械学習モデルの構築と最適化に使用されます。これらのライブラリは、Pythonをデータサイエンスと機械学習に理想的なツールにします。

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SecLists
SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

ZendStudio 13.5.1 Mac
強力な PHP 統合開発環境
