python过滤目录下所有文件包含的关键字

title: python过滤目录下所有文件包含的关键字 #标题tags: python #标签
date: 2021-12-07
categories: python # 分类

背景

前段时间重装系统了，将原来的博文源文件copy到新系统上后，导致文件的创建日期都成为了我copy到新系统上的日期，一开始没当回事，今天找之前的博客，有引入自己的博文链接，点击链接报错404，才想到，由于我在博文开头没有定义date属性，导致博客的url路径是以博文源文件的创建日期作为路径的一部分的，如：https://lvjianzhao.gitee.io/lvjianzhao/2021/10/31/python数据类型/ ，所以导致之前的链接失效，造成了404，所以想改一下之前的链接，或者改一下博文源文件，增加date属性，不管怎样，总是要找到哪些文件中引入了自己的博文，不是么？

想想这300来篇文章，一个个找的话，估计眼都要找瞎了，正好咱学了半年python，还没怎么用过呢，想着就用python来实现下找到这些文件，以及引用链接的所在行数。

python代码

import os
import re
# 博文所在目录
path = r'E:\blogs\blog\source\_posts'
file_path = os.listdir(path)
# 定义要过滤的关键字
keyword = 'https://lvjianzhao.gitee.io/lvjianzhao/\d{4}/\d{2}/\d{2}'
# 指定过滤结果保存文件
ret_file = r"C:\Users\Administrator\Desktop\ret.txt"
# 由于要多次调用这个正则，故进行预编译，提高程序运行效率
rec = re.compile(keyword)
# 过滤
def grep_keyword(file_name):
    linenum = 0
    dic_list = {}
    with open(file_name, encoding='utf-8', mode='r') as f1:
        f_name = f1.name
        for line in f1:
            linenum += 1
            r = rec.findall(line)
            if len(r):
                dic_list[linenum] = r
        f1.flush()
    if len(dic_list):
        # 将过滤结果写入指定的文件中
        with open(ret_file, encoding='utf-8', mode='a') as f2:
            flag = '#' * 25
            f2.write(f'{flag}   {f_name}   {flag}\n\n')
            for k, v in dic_list.items():
                f2.write(f'第{k} 行：{v}\n')
            f2.write('\n\n\n\n')
os.chdir(path)
for i in file_path:
    grep_keyword(i)

返回结果

好，找到这些文件的话，只能一个个去找对应的文件，去按照过滤出来的链接日期，去增加相应的date属性咯，如下：

title: 部署Prometheus监控k8s集群
tags:  监控       #标签
date: 2021-09-21 22:13:00      # 定义date，以便使用date来作为url的一部分
categories:  python        # 分类

进阶需求

用了两个月的windows 11，终于不习惯，又换回了windows10，还是由于之前的文章开头没有指定date，导致文章的访问路径又变了，这…换一次系统就换一次访问路径，实属有点不太好，，那就写个代码，把所有的文章中没有指定date的，都加上date，并且指定为文件最后一次修改的日期。

# -*-coding:utf-8-*-
import os
import time

# 博文所在目录
path = r'E:\blogs\blog\source\_posts'
file_path = os.listdir(path)

os.chdir(path)


# 过滤没有添加date属性的文章名称
def grep_keyword(file_name):
    linenum = 0
    with open(file_name, encoding='utf-8', mode='r') as f1:
        for line in f1.readlines():
            linenum += 1
            if linenum < 10:  # 只看前10行即可
                if 'date:' in line:
                    return None
                else:
                    fname = file_name
    return fname


# 将过滤后的文件名写入一个列表中
file_list = []
for filename in os.listdir(path):
    res = grep_keyword(filename)
    if res:
        file_list.append(res)

# 
for filename in file_list:
    # print(filename)
    filemt = time.localtime(os.stat(filename).st_mtime)
    update_date = time.strftime("%Y-%m-%d", filemt)
    insert_text = '---\ndate: ' + update_date + '\n'  # 拼接要插入的内容
    new_file = filename + '_new'
    with open(filename, encoding='utf-8', mode='r') as f1, \
            open(new_file, encoding='utf-8', mode='w') as f2:
        Text = f1.readlines()  # 将文章所有内容读取到一个名为Text的列表中，每一行作为列表中的一个元素
        Text[0] = insert_text  # 通过索引取值，将第一行的内容“---”替换为上面拼接的字符串：insert_text
        newdata = ''.join(Text)  # 将修改后的列表重新join为字符串
        f2.write(newdata)  # 写入一个新文件中

    # 删除旧文件，然后将新文件改名为旧文件    
    os.remove(filename)
    os.rename(new_file, filename)