0

Estoy tratando de obtener todos los documentos PDF que se encuentran en diferentes subcarpetas. La estructura de las carpetas es de la siguiente forma:

  1. Carpeta principal: test
  2. Subcarpetas: Una por cada asignatura
  3. Sub-subcarpetas: Cada carpeta corresponde a cada una de las sesiones de cada asignatura. El nombre de cada una de ellas es 'Session XYZ'

El código que planteo es el siguiente:

import os
import shutil

folder = r"\Users\Usuario\Desktop\test"
subfolders = [f.path for f in os.scandir(folder) if f.is_dir()]

for sub in subfolders:
    for f in os.listdir(sub):
        src = os.path.join(sub, f)
        dst = os.path.join(folder, f)
        shutil.move(src, dst)

Estoy ejecutándolo desde Jupyter Notebook. El error que obtengo es el siguiente:

Error                                     Traceback (most recent call last)
<ipython-input-1-04055aad47a2> in <module>
      9         src = os.path.join(sub, f)
     10         dst = os.path.join(folder, f)
---> 11         shutil.move(src, dst)

~\anaconda3\lib\shutil.py in move(src, dst, copy_function)
    784         real_dst = os.path.join(dst, _basename(src))
    785         if os.path.exists(real_dst):
--> 786             raise Error("Destination path '%s' already exists" % real_dst)
    787     try:
    788         os.rename(src, real_dst)

Error: Destination path '\Users\Usuario\Desktop\test\Session 1\Session 1' already exists

El problema es que extrae las carpetas 'Session XYZ' sobre la carpeta 'test', y no extrae los documentos que están contenidos en cada una de las subcarpetas 'Session XYZ'. Adicionalmente, cada una de las asignaturas tiene el mismo nombre de carpetas y entonces el error salta porque ya existe una carpeta con el nombre 'Session XYZ'.

Lo que me gustaría obtener es una carpeta con todos los documentos PDF contenidos en todas las carpetas que comentaba. Lamentablemente no controlo mucho Python ni la forma de hacer estos cambios ya que estoy comenzando.

2 respuestas 2

1

¡Buen día!

Para el manejo de rutas lo correcto es usar el módulo pathlib. Es más intuitivo en términos de sintaxis, más fácil de usar y tiene más funciones con respecto al módulo os tal como lo aclara este post de medium Don’t Use Python OS Library Any More When Pathlib Can Do donde el autor hace hincapié en porque debe usarse pathlib y no os para el manejo del sistema.

En tu código podemos notar que se importan 3 módulos os, glob, shutill a continuación notaras que solo importaré dos módulos pathlib y shutill optimizando recursos y haciendo del script un poco más legible. recuerda:

La legibilidad es importante. Zen de python

Código:

from pathlib import Path
import shutil

ruta = Path.cwd()
full_list = [ shutil.copy(str(archivo.as_posix()), f"arch/{archivo.name}") for archivo in Path(ruta).glob('**/*.pdf')]

print(full_list)

Explicación:

Importamos la librerías que vamos a utilizar, en este caso pathlib y shutil paso seguido procedemos a extraer la ruta relativa en la que nos encontramos con Path.cwd() de no estar trabajando con la relativa, asignamos a la variable ruta la ruta absoluta (Rutas relativas y absolutas) y es en la siguiente línea de código donde viene lo interesante. A través de una List Comprehension iremos itereando las carpetas que se encuentran en la ruta y extrayendo las rutas de los archivos que sean de tipo pdf eso lo hacemos con:

for archivo in Path(ruta).glob('**/*.pdf')

Paso seguido creé una carpeta manualmente llamada arch y es allí donde almacenaré las copias de los pdf, esto lo hacemos con shutil el cual recibe dos parámetros:

1. La ruta del archivo que se copiará (la cual la extrajimos anteriormente)

2. La nueva ruta donde se copiara el archivo + el nombre del archivo en este caso quise llamarlo igual.

Finalmente, si imprimimos la lista nos devolverá la ruta donde se copiaron los archivos pdf

0

Python tiene un módulo subestimado, glob, el cual busca busca patrones en el sistema de archivos. Una ventaja es que, por un argumento, puede habilitar recursividad en el directorio de búsqueda.

import os, glob, shutil

folder_src = r"C:\Users\Carpeta\origen" # <-- Hay subdirectorios
folder_dst = r"C:\Carpeta\destino"

files = glob.iglob(os.path.join(folder_src, '**/*.pdf'), recursive=True)

for src in files:
    fname = os.path.basename(src) # Nombre del archivo
    dst = os.path.join(folder_dst, fname)
    shutil.move(src, dst)

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.