Отфильтруйте все файлы в каталоге по словам, которые соответствуют нескольким регулярным выражениям - PullRequest
0 голосов
/ 17 декабря 2018

Я пытаюсь отфильтровать все файлы (pdf, txt, csv, ipynp и т. Д.) В моем каталоге по словам, которые соответствуют моим выражениям регулярных выражений.До сих пор я создал программу (показанную ниже), которая может читать файлы csv и pdf, но оператор else, который читает все другие типы файлов, продолжает выдавать ошибку (показано внизу).Я печатаю что-то неправильно после своего оператора elseЯ перепробовал все, но безрезультатно.

   import glob
import re
import PyPDF2
#-------------------------------------------------Input----------------------------------------------------------------------------------------------
folder_path = "/home/"
file_pattern = "/*"
folder_contents = glob.glob(folder_path + file_pattern)

#Search for Emails
regex1= re.compile(r'\S+@\S+')
#Search for Phone Numbers
regex2 = re.compile(r'\d\d\d[-]\d\d\d[-]\d\d\d\d')
#Search for Locations
regex3 =re.compile("([A-Z]\w+), ([A-Z]{2})")


for file in folder_contents:

    if re.search(r".*(?=pdf$)",file):
        #this is pdf
        with open(file, 'rb') as pdfFileObj:
            pdfReader = PyPDF2.PdfFileReader(pdfFileObj) 
            pageObj = pdfReader.getPage(0)  
            read_file = pageObj.extractText() 
            #print("{}".format(file))
    elif re.search(r".*(?=csv$)",file):
        #this is csv
        with open(file,"r+",encoding="utf-8") as csv:
            read_file = csv.read()
    else:
            with open(file,"rt", encoding='latin-1') as allOtherFiles:
                continue
    if regex1.findall(read_file) or regex2.findall(read_file) or regex3.findall(read_file):
        print ("YES, This file containts PHI")
        print(file)
    else:
        print("No, This file DOES NOT contain PHI")
        print(file)

Я получаю сообщение об ошибке IsAdirectoryError: [Errno 21] - это каталог. Знаете ли вы, почему это сообщение об ошибке продолжает появляться всякий раз, когда я запускаю код.

  ---------------------------------------------------------------------------
IsADirectoryError                         Traceback (most recent call last)
<ipython-input-40-fdb88fbf61ab> in <module>()
     29             read_file = csv.read()
     30     else:
---> 31             with open(file,"rt", encoding='latin-1') as allOtherFiles:
     32                 continue
     33     if regex1.findall(read_file) or regex2.findall(read_file) or regex3.findall(read_file):

IsADirectoryError: [Errno 21] Is a directory: '/home/jupyter_shared_notebooks'

1 Ответ

0 голосов
/ 17 декабря 2018

Не могли бы вы попробовать изменить оператор with open(file,"rt") as allOtherFiles: на

with open(file,"rt", encoding='latin-1') as allOtherFiles:

Запустите код еще раз и посмотрите, не возникла ли та же ошибка.Если ошибка по-прежнему существует, мы должны попробовать другие форматы кодирования.

РЕДАКТИРОВАТЬ: Для устранения следующей ошибки:

IsADirectoryError: [Errno 21] Is a directory: /home/e136320/jupyter_shared_notebooks

Это вызвано файлом или папкой с именем jupyter_shared_notebooks внутри вашей папки.
Поскольку python не знает, как открыть jupyter_shared_notebooks, поскольку у него нет формата расширения файла.Выдает эту ошибку.
Чтобы устранить эту проблему, вы можете попробовать

if '.' not in file:
    continue
else:
    with open(file,"rt", encoding='latin-1') as allOtherFiles:
        #rest of your code here
...