我正在从网站上抓取文件，并希望根据计算机上现有的目录名称（或更简单的是，包含这些目录名称的列表）重命名这些文件。这是为了保持一致的命名约定。
例如，我已经有名为：
Barone Capital Management, Gabagool Alternative Investments, Aprile Asset Management, Webistics Investments
抓取的数据由一些完全匹配，一些“模糊”匹配以及一些新值组成：
Barone, Gabagool LLC, Aprile Asset Management, New Name, Webistics Investments
我希望抓取的文件采用现有目录的命名约定。例如，Barone将变为Barone Capital Management，Gabagool LLC并将其重命名Gabagool Alternative Investments。
那么，实现此目标的最佳方法是什么？我查看了Fuzzywuzzy和其他一些库，但不确定正确的路径是什么。
这是我现有的代码，仅基于锚点来命名文件：
import praw
import requests
from bs4 import BeautifulSoup
import urllib.request
url = 'https://old.reddit.com/r/test/comments/b71ug1/testpostr23432432/'
headers = {'User-Agent': 'Mozilla/5.0'}
page = requests.get(url, headers=headers)
soup = BeautifulSoup(page.text, 'html.parser')
table = soup.find_all('table')[0]
#letter_urls = []
for anchor in table.findAll('a'):
try:
if not anchor:
continue
fund_name = anchor.text
letter_link = anchor['href']
urllib.request.urlretrieve(letter_link, '2018 Q4 ' + fund_name + '.pdf')
except:
pass
请注意，目录列表已经创建，看起来像这样：
- /Users/user/Dropbox/Letters/Barone Capital Management
- /Users/user/Dropbox/Letters/Aprile Asset Management
- /Users/user/Dropbox/Letters/Webistics Investments
- /Users/user/Dropbox/Letters/Gabagool Alternative Investments
- /Users/user/Dropbox/Letters/Ro Capital
- /Users/user/Dropbox/Letters/Vitoon Capital
就像在Python中一样：从列表中找到最接近另一个字符串的字符串
您可以使用difflib.get_close_matches（https://docs.python.org/3/library/difflib.html#difflib.get_close_matches）在列表中查找最相似的字符串。您的列表将是您已经拥有的绝对路径的文件夹：
import difflib
best_options = get_close_matches(fund_name, candidates, n=1)
if best_options:
directory = best_options[0]
else:
directory = 'New Name'
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句