ファイル名シーケンス抽出python

Question

ファイルのフォルダ内のファイル名から番号シーケンスを特定して分離し、オプションで非連続シーケンスを特定する必要があります。ファイルは.dpxファイルです。ファイル名のどこかにシーケンス番号があり、拡張子が '.dpx'であることを除いて、ファイル命名構造はほとんどありません。 PySeqと呼ばれるすばらしいモジュールがあります。PySeqは何千ものディレクトリ、時には何十万ものファイルのディレクトリを爆撃する以外は、すべての難しい作業を行うことができます。 msgstr "引数リストが大きすぎます" msgid。誰もシーケンス番号分離と特にdpxファイルでの作業経験がありましたか？各ファイルのサイズは最大100MBです。私はPython2.7を使ってCentOSボックスに取り組んでいます。ファイル名のようなものかもしれません：
test00_take1_00001.dpx
test00_take1_00002.dpx
another_take_ver1-0001_3.dpx
another_take_ver1-0002_3.dpx
（連続する二つの系列）

Answer 1

これは、あなたがしている正確に何をすべき探している。これは、文字列の開始と終了を含むdictsのdictを作成し、リストに完全な文字列を入れます。

それは、あなたのコードがそれである何

from collections import defaultdict 

input_list = [ 
    "test00_take1_00001.dpx", 
    "test00_take1_00002.dpx", 
    "another_take_ver1-0001_3.dpx", 
    "another_take_ver1-0002_3.dpx"] 

results_dict = defaultdict(lambda: defaultdict(list)) 
matches = (re.match(r"(.*?[\W_])\d+([\W_].*)", item) for item in input_list) 
for match in matches: 
    results_dict[match.group(1)][match.group(2)].append(match.group(0)) 

results_list = [d2 for d1 in results_dict.values() for d2 in d1.values()] 

>>> results_list 
[['another_take_ver1-0001_3.dpx', 'another_take_ver1-0002_3.dpx'], ['test00_take 
1_00001.dpx', 'test00_take1_00002.dpx']]