ChatGPT编程—实现小工具软件(文件查找和筛选)

ChatGPT编程---实现小工具软件(文件查找和筛选)

今天借助[小蜜蜂AI][https://zglg.work]网站的ChatGPT编程实现一个功能:根据特定需求结合通配符和其他条件来进行文件查找和筛选。在这个例子中,我们将创建一个函数find_files,它接受用户输入的目录路径、文件扩展名以及其他条件作为参数,并返回符合条件的文件列表。

环境:Pycharm 2021

系统:Mac OS

向ChatGPT输入如下内容:

ChatGPT收到后,返回如下结果:

创建自定义函数进行文件查找和筛选:

python 复制代码
import os
import fnmatch

def find_files(directory, pattern='*', keyword=None, min_size=None, max_size=None):
    matched_files = []
    for root, dirs, files in os.walk(directory):
        for file_name in files:
            if fnmatch.fnmatch(file_name, pattern):
                file_path = os.path.join(root, file_name)
                file_size = os.path.getsize(file_path)
                
                # 根据关键字筛选文件
                if keyword and keyword not in file_name:
                    continue
                
                # 根据文件大小筛选文件
                if min_size and file_size < min_size:
                    continue
                if max_size and file_size > max_size:
                    continue
                
                matched_files.append(file_path)
    
    return matched_files

# 示例用法:查找目录下所有以 .txt 结尾并包含关键字 'example' 的文件
found_files = find_files('path/to/directory', pattern='*.txt', keyword='example')
for file_path in found_files:
    print(file_path)

在上述代码中,find_files函数允许您基于目录路径、文件扩展名、关键字、最小/最大文件大小等条件来定制文件查找和筛选操作。您可以根据实际需求扩展或修改该函数,以满足您对文件查找和筛选的特定需求。

根据自己的需求,对上面的代码进行修改,如下:

python 复制代码
import os
import fnmatch


def find_files(directory, pattern='*', keyword=None, min_size=None, max_size=None):
    matched_files = []
    for root, dirs, files in os.walk(directory):
        for file_name in files:
            if fnmatch.fnmatch(file_name, pattern):
                file_path = os.path.join(root, file_name)
                file_size = os.path.getsize(file_path)

                # 根据关键字筛选文件
                if keyword and keyword not in file_name:
                    continue

                # 根据文件大小筛选文件
                if min_size and file_size < min_size:
                    continue
                if max_size and file_size > max_size:
                    continue

                matched_files.append(file_path)

    return matched_files

# 定义变量,输入自定义的需求
file_path = input('请输入路径:')
file_type = input('请输入文件类型:')
keyword = input('请输入包含的关键字:')
# 示例用法:查找目录下所有以 .txt 结尾并包含关键字 'example' 的文件
found_files = find_files(file_path, pattern=file_type, keyword=keyword)
for file_path in found_files:
    print(file_path)

这个案例说明了,AI编程太高效了。用好AI提高效率,提升自我。

相关推荐
SHIPKING3936 分钟前
【机器学习&深度学习】Ollama、vLLM、LMDeploy对比:选择适合你的 LLM 推理框架
人工智能·深度学习·机器学习
zzywxc78718 分钟前
AI 行业应用:金融、医疗、教育、制造业领域的落地案例与技术实现
android·前端·人工智能·chrome·金融·rxjava
新智元35 分钟前
刚刚,GPT-5 Pro 自证全新数学定理!OpenAI 总裁直呼颠覆,大佬们集体转发
人工智能·openai
新智元41 分钟前
28 岁华人执掌 1.85 万亿科技巨头 AI 大权!一觉醒来,图灵奖得主也要向他汇报
人工智能·openai
居然JuRan1 小时前
从LoRA到QLoRA再到全量微调
人工智能
腾讯云开发者1 小时前
数字化下半场:数智融合如何驱动增长新势能?
人工智能
机器之心1 小时前
字节开源Seed-OSS-36B模型,512k上下文
人工智能·openai
北极的树1 小时前
从源码看Google LangExtract如何应对长文本数据挖掘的挑战
人工智能
coding者在努力1 小时前
深度学习核心技巧
人工智能·深度学习
掘金一周1 小时前
被老板逼出来的“表格生成器”:一个前端的自救之路| 掘金一周 8.21
前端·人工智能·后端