目录
引题
在语音标注过程中，涉及大量的语音标注，尤其是有多人分工进行时，难免会出现很多不匹配的文件，标注类的文件（通常为.TextGrid），和音频类（通常为.wav），当两者出现个数不匹配的时候，无论是后期使用脚本提取参数，和运行某些工程类的模型，都会引起报错。
本文针对Python初学者，提供一个简单的脚本，检查两类文件（不限于上述两类，脚本可用于其它的扩展名的两类文件）的不匹配状况。主要目的还是学习一下基本的检查目录里的文件的操作，适用于Python学习者熟悉该方法。
数据说明
首先，我们有两个目录，分别放了两类文件，当然这两类文件也可以在一个目录里。一类是TextGrid，一类是wav，
\sample_TextGrid
000001.TextGrid
000002.TextGrid
000004.TextGrid
000005.TextGrid
000006.TextGrid
\sample_wav
000001.wav
000002.TextGrid
000002.wav
000003.wav
我们设置了两个目录，一个目录里是5个TextGrid文件，一个目录里是3个wav文件和一个TextGrid文件，要完成的任务是：
- 找出两个目录里共同的文件，比如000001.TextGrid和000001.wav；
- 找出第一个目录里有，第二个目录里没有的文件；
- 找出第二个目录里有，第一个目录里没有的文件；
- 以上三种类型可以分别保存在一个结果目录里吗？
- 注意第二个目录有一个干扰项，000002.TextGrid，是否能避开？
代码说明
无论这两类文件是在一个文件夹里，还是在两个文件夹里，我们都是先获得这两类的文件列表，注意我们设置了文件扩展名的变量，如果你是想检查比如.txt和.mp3的对应关系，可相应的修改check_dir1_ext和check_dir2_ext两个位置，这样也避开了第二个目录里的干扰项。
input_check_dir1 = r'sample_textgrid'
check_dir1_ext = '.TextGrid'
input_check_dir2 = r'sample_wav'
check_dir2_ext = '.wav'
check_list1 = [ls[:ls.find('.')] for ls in os.listdir(input_check_dir1) if ls[ls.find('.'):] == check_dir1_ext]
check_list2 = [ls[:ls.find('.')] for ls in os.listdir(input_check_dir2) if ls[ls.find('.'):] == check_dir2_ext]
代码里也增加了详细的说明，可查看代码。最后运行之后，我们得到了几个目录和一个log文件：
sample_textgrid_only 这个目录是第一个目录里有，第二个目录里没有的文件
sample_textgrid_save_all 这个目录是两个目录里共同的文件
sample_wav_only 这个目录是第二个目录里有，第一个目录里没有的文件
sample_textgrid_checked_result.txt 这个文件里记录了以上三类文件的个数
感兴趣的学习者还可以将所有要处理的文件放在一个目录中，只按扩展名区分两个类别，然后运行程序进行尝试。
[En]
Interested learners can also put all the files to be processed in one directory, distinguish the two categories only by extension, and run the program to try.
获取脚本
https://github.com/feelins/Python-linguistics
本文脚本在Part-05/P05_001_check_file_numbers目录里。本站所有脚本都可以在上述 github的项目目录里找到，如果日常对代码、脚本操作比较熟练的可通过下载、安装、配置 github for windows在自己的电脑上通过 git clone将代码下载到本机，这样的好处是可以跟主站及时更新代码。
不想费如此脑筋，可以通过点击如下图 Code位置所示，下载整站的代码，可直接使用。
; 关注
版权说明
1、版权归本公众号”极地语音工作室”，原名”语音处理小站”所有；
2、未经本站或者作者允许， 不得任意转载本文内容，否则将视为侵权；
3、转载或者引用本文内容请注明来源及原作者；
4、对于不遵守此声明或者其他违法使用本站内容者，本人依法保留追究权等。
Original: https://blog.csdn.net/shaopengfei/article/details/123554296
Author: 极地语音工作室
Title: Python脚本处理标注文件和音频匹配个数问题
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/498214/
转载文章受原作者版权保护。转载请注明原作者出处！