Dotaz: Python: jak spravne extrahovat nazvy souboru z adresare?

[zdenek2008]

Prepisuji si z bashe do pythonu skript, pomoci ktereho generuji (krome jineho) lyx dokument. Do toho lyx dokumentu nacitam externi pdf dokumenty a uvadim je v obsahu (TOC). Zatim mam castecne vyreseny proces zapisovani do souboru (promenne v textu jsou jeste podle bashove syntaxe), ale iterovani v adresari s pdf soubory je jeste (bash) v zakomentovanych radkach. Nemeli byste nekdo tip na nejake elegantni reseni, abych treba nevynalezal nejake kostrbatiny? Predem diky za pripadne navrhy.

file=open('../soubor.lyx','a')

#for nazev_souboru in ../nejake_pdf_documenty/*.[pP][dD][fF]; do
#nazev_souboru_bez_pripony=${nazev_souboru:25:-4}

text=r"""\begin_layout Standard
\begin_inset CommandInset label
LatexCommand label
name "${nazev_souboru_bez_pripony}"

\end_inset


\end_layout

\begin_layout Standard
\begin_inset External
	template PDFPages
	filename ${nazev_souboru:1}
	extra LaTeX "pages=-, pagecommand={\thispagestyle{fancy}}, addtotoc={1,section,1,${nazev_souboru_bez_pripony},${nazev_souboru_bez_pripony}}"
	scale 80

\end_inset


\end_layout

"""

file.write(text)
logging.debug('text: '+text)

#done

file.close()
del file
del text

---

---

Odpovědi

[zdenek2008]

Ten kus LyX kódu bych hodil do jiného souboru, v kódu tohle obvykle není pěkné. Jestli tomu dobře rozumím, máš šablonu pro LyX, do které chceš nasázet hodnoty. To bych použil rovnou modul Jinja2.

import glob
import os
from jinja2 import Environment

# Načtení šablony do prom. tmp
env = Environment()

with open('cesta/k/templatu.lyx', 'r', encoding='utf8') as fread:
    tmp = env.from_string(fread.read())

# dict s hodnotami
content = {}

# Pak tady budeš všechno možné, třeba to prolezení PDF souborů
# Dejme tomu, že magicka_funkce vrací list s názvy PDF
def magicka_funkce(path):
    files = glob.glob(path + '*.pdf')

    out = []

    # Ošklivé, ale takhle nějak
    for fl in files:
        out.append({'cesta': fl,
                    'nazev_souboru': os.path.basename(fl),
                    'nazev_souboru_bez_pripony': os.path.splitext(os.path.basename(fl))[0]})

    return out

seznam_souboru = magicka_funkce('cesta/')
content['seznam_souboru'] = seznam_souboru

# Nakonec ten seznam pošleš šabloně
vygenerovany_dokument_jako_string = tmp.render(content)

with open('vysledny_soubor.lyx', 'r', encoding='utf8') as fwrite:
    fwrite.write(vygenerovany_dokument_jako_string)

No a v té šabloně budeš mít už syntaxi Jinja:

{% for pdf in seznam_souboru %}
\begin_layout Standard
\begin_inset CommandInset label
LatexCommand label
name "{{ pdf.nazev_souboru_bez_pripony }}"

\end_inset


\end_layout

\begin_layout Standard
\begin_inset External
	template PDFPages
	filename {pdf.nazev_souboru:1}
	extra LaTeX "pages=-, pagecommand={\thispagestyle{fancy}}, addtotoc={1,section,1,{{ pdf.nazev_souboru_bez_pripony }}},{{ pdf.nazev_souboru_bez_pripony }}}"
	scale 80

\end_inset


\end_layout
{% endfor %}

Jakmile generuju soubory, tak takhle. Než jsem se dostal k Jinja2, tak jsem to dělal stejně, jako to máš v otázce, tj. postupně zapisovat do souboru po kouskách. Ale tohle je o poznání jednodušší a čistší. Hlavně to podporuje cykly i podmínky (viz první řádek templatu).

Kromě Jinja2 má python ve standardní knihovně string.Template. Což je něco podobného, ale spíš jen formou search & replace.

[zdenek2008]

Diky. Co se tyce te iterace tak zatim jsem se dostal k tomuhle:

nejake_pdf_dokumenty=glob.glob('../nejake_pdf_dokumenty/*.[pP][dD][fF]')
nejake_pdf_dokumenty.sort()
logging.debug('nejake_pdf_dokumenty: '+str(nejake_pdf_dokumenty))

for nazev_souboru in nejake_pdf_dokumenty:
  logging.debug('nazev_souboru: '+nazev_souboru)
  nazev_souboru_bez_pripony=nazev_souboru[25:-4]
  logging.debug('nazev_souboru_bez_pripony: '+nazev_souboru_bez_pripony)

Tim bash skriptem jsem doposud vyplnoval pdf formulare a sadu lyx dokumentu ktere jsem jeste pak dodatecne rucne editoval (jejich obsah, ne kod) a nakonec vse zahrnul do jedineho lyx svazku a ten nakonec opet exportoval do pdf fasciklu pro konecne pouziti. Jak ten skript rostl tak vyslo najevo ze bash uz nevyhovuje a je treba prepsat do jineho jazyka, oddelit sablony od kodu (uz ted mi dochazi ke konfliktum syntaxi lyxu a pythonu, jako treba uvozovky) a pokud jde o kod samotny tak ten je potreba take restrukturalizovat, napsat funkce a rozdelit do vhodnych modulu. Navic bude asi potreba skript distribuovat takze je treba doresit i instalatory na jine OS. Diky za tip na reseni, toto vyuziju.

[xxxxxx]

Jinak jak koukám, vyhnul bych se tomuhle: nazev_souboru[25:-4]. Teď to třeba na 3 písmenné přípony funguje, ale projet složku s jpg/jpeg a už to fungovat nebude. Proto existuje funkce splitext. A jestli bude potřeba skript i na Win, tak v modulu os jsou fce na práci s cestami, které chápou / a \, není pak nutné ve skriptu detekovat os a ručně uplácávat cesty.

[zdenek2008]

Diky, to budu muset take predelat. S cestou k souboru potrebuji zachazet spis "systemove" nez jako s textovym retezcem. Nastesti cely skript uz konecne funguje v pythonu takze ted muzu zacit ladit.