手把手教你学python进阶版第一课：Python常用文件目录操作—以清理PC微信缓存文件为例

import osimport re import datetime # 查找冗余文件需要用到hash算法模块# https://docs.python.org/3/library/hashlib.htmlimport hashlib

# 文件路径字符串的斜杠“\\”在Python中为转义字符，在字符串前加“r”标记，取消字符串转义# 微信缓存文件路径，在默认保存位置的“FileStorage\\File”目录下# Python字符串拼接有多种方法，拼接文件路径时，可以用os.path.join，便于及时发现路径是否设置正确PATH_WECHAT_CACHE = r\"替换为微信缓存文件目录\"PATH_WECHAT_CACHE_FILE = os.path.join(PATH_WECHAT_CACHE, r\"FileStorage\\File\")
# 利用os模块检查路径设置是否正确# os.path.exists用于检查所输入路径是否存在# os.path.isdir用于检查所输入路径是否为文件目录if not (os.path.exists(PATH_WECHAT_CACHE_FILE) and os.path.isdir(PATH_WECHAT_CACHE_FILE)):    raise Exception(\"微信缓存目录设置错误\")

# 声明一个列表，用于存放整理后的日期数据list_cache_file_months = list()
# 声明一个日期阈值变量，用于筛选过期文件夹threshold_dir_outdated = datetime.date(2023, 1, 1)
# 利用os.listdir列出所有缓存文件夹# 利用正则表达式\"^(\\d{4])-(\\d{2})$\"识别文件夹名代表的年份、月份信息# 利用datetime.date将年份、月份转换为Python中的日期格式for loop_date in os.listdir(PATH_WECHAT_CACHE_FILE):    loop_year, loop_month = re.findall(\"^(\\d{4])-(\\d{2})$\", loop_date)[0]    list_cache_file_months.append(datetime.date(int(loop_year), int(loop_month), 1))
# 利用列表推导式筛选过期的文件夹，便于执行清理任务list_cache_file_months_outdated = [d for d in list_cache_file_months if d < threshold_dir_outdated]

# 声明一个列表，用于存放所有pdf文件的路径list_cache_file_pdfs = list()
# 利用os.walk遍历所有文件夹和子文件夹, 函数每次迭代返回一个元组，包含当前文件夹路径、所有子文件夹名、所有文件名# 利用os.path.splitext获取文件扩展名，并判断是否为pdf文件# 利用os.path.join拼接pdf文件的完整路径for loop_dir in os.walk(PATH_WECHAT_CACHE_FILE):    for loop_file in loop_dir[2]:        if os.path.splitext(loop_file)[1].lower() == \'.pdf\':            list_cache_file_pdfs.append(os.path.join(loop_dir[0], loop_file))

# 声明一个列表，用于存放所有过期pdf文件的路径list_cache_file_pdfs_outdated = list()
# 声明一个日期时间阈值变量，用于筛选过期pdf文件threshold_pdf_outdated = datetime.datetime(2023,1,1,10)
# 利用os.path.getmtime获取pdf文件的修改日期时间，返回值为timestamp格式# 利用datetime.datetime.fromtimestamp将获取到的文件日期时间转换为Python中的日期时间格式for loop_pdf in list_cache_file_pdfs:    if datetime.datetime.fromtimestamp(os.path.getmtime(loop_pdf)) < threshold_pdf_outdated:        list_cache_file_pdfs_outdated.append(loop_pdf)

# 定义一个函数用于获取文件的MD5# 函数输入参数和输出结果可用类型标注语法，增加函数可读性# https://docs.python.org/3/library/typing.html# 利用hashlib.md5计算文件的MD5值def get_file_md5(file_path:str, buffer_size:int = 8096) -> str:    with open(file_path, \'rb\') as f:        file_md5 = hashlib.md5()        while True:            s = f.read(buffer_size)            if not s:                break            file_md5.update(s)        return file_md5.hexdigest()
# 声明一个列表，用于存放所有重复冗余pdf文件的路径list_cache_file_pdfs_duplicated = list()
# 声明一个集合，用于存放所有pdf文件的MD5值set_cache_file_pdfs_md5 = set()
# 利用定义的get_file_md5函数获取所有pdf文件的MD5值# 判断pdf文件的MD5值是否已经存在，若已存在则判定为重复冗余文件for loop_pdf in list_cache_file_pdfs:    loop_pdf_md5 = get_file_md5(loop_pdf)    if loop_pdf_md5 in set_cache_file_pdfs_md5:        list_cache_file_pdfs_duplicated.append(loop_pdf)    else:        set_cache_file_pdfs_md5.add(loop_pdf_md5)

# 利用os.remove执行文件删除操作，请谨慎使用for loop_pdf_duplicated in list_cache_file_pdfs_duplicated:    os.remove(loop_pdf_duplicated)