python 中文正则表达匹配

43tt

需求：由于某个n年前的工具的错误，在复制一批文件的时候产生了大量的"复件xxxxxxx""复件（2）XXXXX"等类似文件，由于目录结构深，文件多，预计在5000万个，但是有多少这种错误的文件不清楚，因此写个脚本遍历删除。

#encoding=utf-8
#author: skybug
#date: 2014-05-11
#function: 遍历指目录，删除中文开头的文件名的图片
import os,re
cnt = 0
pattern = re.compile(ur"[\u4e00-\u9fa5].*")#定义正则匹配表达式
#pattern = re.compile(ur"[\u590D][u4EF6].*")
def walkdir_del(srcdir):#遍历目录
    global cnt
    for parent,dirs,files in os.walk(srcdir):
        for file in files:
            infile = os.path.join(parent,file)
            file = file.decode('gb2312').encode('utf8')#将文件名字符串转码
            file = unicode(file,'utf8')#同上
            match = pattern.match(file)#匹配
            if match:#如果匹配
                print infile
                os.remove(infile)#删除
                cnt +=1
                print "del %s ok!"%infile
                print "del %d files"%cnt


srcdir=os.getcwd()
walkdir_del(srcdir)