Como verificar se o conjunto de arquivos está em conformidade com um esquema de nomenclatura

Question

Eu tenho um monte de arquivos (episódios de TV, embora isso seja bastante arbitrário) que quero verificar se correspondem a um esquema de nomenclatura/organização específico.

Atualmente:Eu tenho três matrizes de regex, uma para nomes de arquivos válidos, uma para arquivos sem nome de episódio e uma para caminhos válidos.

Em seguida, faço um loop em cada regex de nome de arquivo válido, se corresponder, anexe-o a um dict "válido", se não, faça o mesmo com as regexs de nome de ep ausente, se corresponder a isso, anexe-o a um "inválido "dict com um código de erro (2:'nome do epsiode ausente'), se não corresponder a nenhum deles, será adicionado como inválido com o código de erro 'nome malformado'.

O código atual pode ser encontrado aqui

Quero adicionar uma regra que verifique a presença de um arquivo folder.jpg em cada diretório, mas adicionar isso tornaria o código substancialmente mais confuso em seu estado atual.

Como eu poderia escrever este sistema de uma forma mais expansível?

As regras que ele precisa verificar seriam ..

• O arquivo está no formato Show Name - [01x23] - Episode Name.avi ou Show Name - [01xSpecial02] - Special Name.avi ou Show Name - [01xExtra01] - Extra Name.avi
• Se o nome do arquivo estiver no formato Show Name - [01x23].avi exibir uma seção de 'nome do episódio ausente' da saída
• O caminho deve estar no formato Show Name/season 2/the_file.avi (onde a 2ª temporada deve ser o número correto da temporada no nome do arquivo)
• cada Show Name/season 1/ a pasta deve conter "folder.jpg"

.alguma ideia?Enquanto tento verificar episódios de TV, esse conceito/código deve ser aplicado a muitas coisas.

O único pensamento que tive foi uma lista de dictos no formato:

checker = [
{
    'name':'valid files',
    'type':'file',
    'function':check_valid(), # runs check_valid() on all files
    'status':0 # if it returns True, this is the status the file gets
}

Answer 1

Quero adicionar uma regra que verifique a presença de um arquivo pasta.jpg em cada diretório, mas adicionar isso tornaria o código substancialmente mais confuso no estado atual.

Isso não parece ruim.Na verdade, seu código atual faz isso muito bem, e Sven mencionou uma boa maneira de fazer isso também:

1. Obtenha uma lista de todos os arquivos
2. Verifique se há arquivos "obrigatórios"

Você apenas teria que adicionar ao seu dicionário uma lista de arquivos necessários:

checker = {
  ...
  'required': ['file', 'list', 'for_required']
}

Na medida em que existe uma maneira melhor/extensível de fazer isso?Não tenho certeza.Eu só conseguia pensar em uma maneira de eliminar as "múltiplas" expressões regulares e desenvolver a ideia de Sven de usar um delimitador.Portanto, minha estratégia seria definir um dicionário da seguinte maneira (e me desculpe, não conheço a sintaxe do Python e estou com preguiça de procurá-lo, mas deve fazer sentido.O /regex/ é uma abreviação de regex):

check_dict = {
  'delim'    : /\-/,
  'parts'    : [ 'Show Name', 'Episode Name', 'Episode Number' ],
  'patterns' : [/valid name/, /valid episode name/, /valid number/ ],
  'required' : ['list', 'of', 'files'],
  'ignored'  : ['.*', 'hidden.txt'],
  'start_dir': '/path/to/dir/to/test/'
}

1. Divida o nome do arquivo com base no delimitador.
2. Confira cada uma das peças.

Por ser uma lista ordenada, você pode determinar quais partes estão faltando e se uma seção não corresponder a nenhum padrão, ela estará malformada.Aqui o parts e patterns tem uma proporção de 1 para 1.Duas matrizes em vez de um dicionário reforçam a ordem.

Arquivos ignorados e necessários podem ser listados.O . e .. os arquivos provavelmente devem ser ignorados automaticamente.O usuário deve ter permissão para inserir "globs" que podem ser expandidos pelo shell.Estou pensando aqui svn:ignore propriedades, mas globbing é natural para listar arquivos.

Aqui start_dir seria o padrão para o diretório atual, mas se você quisesse que um único arquivo executasse testes automatizados de vários diretórios, isso seria útil.

A verdadeira ponta solta aqui é o modelo de caminho e, na mesma linha, qual caminho é necessário para "arquivos válidos".Eu realmente não poderia ter uma ideia sólida sem escrever uma grande expressão regular e retirar grupos dela...para construir um modelo.Foi como escrever uma gramática da linguagem TextMate.Mas isso começa a prejudicar a facilidade de uso.O verdadeiro problema era que o modelo de caminho não era composto de parts, o que faz sentido, mas adiciona complexidade.

Essa estratégia está em sintonia com o que você estava pensando?

Answer 2

talvez você deva adotar a abordagem padrão:"o nome do arquivo está correto" e trabalhe a partir daí para refutar essa afirmação:

com o fato de que você só permite nomes de arquivos com:'nome do programa', 'número da temporada x número do episódio' e 'nome do episódio', você sabe com certeza que esses itens devem ser separados por um "-" (traço), então você precisa ter 2 deles para que o nome do arquivo esteja correto .
se isso acontecer, você pode usar seu código para verificar se o nome do programa corresponde ao nome do programa conforme visto na pasta pai dos pais (sem distinção entre maiúsculas e minúsculas, presumo), o número da temporada corresponde ao valor numérico da pasta dos pais (com ou sem um 0 extra anexado).

se, no entanto, você não vir a quantidade correta de traços, saberá instantaneamente que há algo errado e parará antes do restante dos testes, etc.

e separadamente você pode verificar se o arquivo folder.jpg existe e tomar as ações necessárias. ou faça isso primeiro e filtre esse arquivo do restante dos arquivos dessa pasta.