Python自动化下载文件处理中的IndexError调试与解决方案

import os
import time
from selenium import webdriver
from selenium.webdriver.common.by import By

# 假设 driver 已初始化
# driver = webdriver.Chrome()

def download_wait():
    """
    等待下载完成。通过检查下载目录中是否存在 .crdownload 或 .tmp 文件来判断。
    """
    seconds = 0
    dl_wait = True
    while dl_wait and seconds < 100:
        time.sleep(1)
        dl_wait = False
        for fname in os.listdir(r"C:\Users\Testuser\Downloads"):
            if fname.endswith('.crdownload') or fname.endswith('.tmp'):
                dl_wait = True
        seconds += 1
    return seconds

Years = ["2009", "2010"] # 示例年份
download_directory = r"C:\Users\Testuser\Downloads" # 替换为实际下载目录

for year in Years:
    try:
        # 模拟点击下载链接
        # report = driver.find_elements(By.XPATH, f"//span[@class='btn_archived download'][.//a[contains(@href,{year})]]")
        # if len(report) != 0:
        #     report[0].click()

        # 模拟下载完成等待
        print(f"正在处理年份: {year}")
        # 实际应用中需要调用 download_wait()
        # download_wait()

        # 模拟下载目录内容变化
        if year == "2009":
            # 模拟下载成功且文件已完成
            # 实际情况中，文件会直接出现在下载目录
            # 这里为了演示，我们假设文件已存在
            # 确保目录中没有旧的 .crdownload 文件
            for f in os.listdir(download_directory):
                if f.startswith('NYSE_XOM_') and f.endswith('.crdownload'):
                    os.remove(os.path.join(download_directory, f))
            # 模拟一个完整的PDF文件
            with open(os.path.join(download_directory, f'NYSE_XOM_{year}.pdf'), 'w') as f:
                f.write('This is a dummy PDF content.')
        elif year == "2010":
            # 模拟下载未完成，仍为 .crdownload 状态
            # 实际情况中，浏览器会下载此临时文件
            # 确保目录中没有旧的 .pdf 文件
            for f in os.listdir(download_directory):
                if f.startswith('NYSE_XOM_') and f.endswith('.pdf'):
                    os.remove(os.path.join(download_directory, f))
            # 模拟一个 .crdownload 文件
            with open(os.path.join(download_directory, f'NYSE_XOM_{year}.pdf.crdownload'), 'w') as f:
                f.write('This is a dummy temporary content.')


        files = os.listdir(download_directory)
        filtered_files = [file for file in files if file.lower().endswith(('.pdf', '.htm'))]
        print(f"目录文件: {files}, 当前年份: {year}, 过滤后文件: {filtered_files}")
        filename = filtered_files[0]  # IndexError 常常发生在这里

        print(f"成功获取文件名: {filename}")

    except IndexError as e:
        print(f"处理年份 {year} 时发生 IndexError: {e}")
        print("错误原因：filtered_files 列表为空，未能找到符合条件的文件。")
    except Exception as e:
        print(f"处理年份 {year} 时发生其他错误: {e}")

# 清理模拟文件
for f in os.listdir(download_directory):
    if f.startswith('NYSE_XOM_'):
        os.remove(os.path.join(download_directory, f))

正在处理年份: 2009
目录文件: ['NYSE_XOM_2009.pdf'], 当前年份: 2009, 过滤后文件: ['NYSE_XOM_2009.pdf']
成功获取文件名: NYSE_XOM_2009.pdf
正在处理年份: 2010
目录文件: ['NYSE_XOM_2010.pdf.crdownload'], 当前年份: 2010, 过滤后文件: []
处理年份 2010 时发生 IndexError: list index out of range
错误原因：filtered_files 列表为空，未能找到符合条件的文件。

# 修正后的文件过滤逻辑
# files = os.listdir(r"C:\Users\Testuser\Downloads")
# 允许识别 .pdf 和 .htm 文件，以及它们的 .crdownload 临时形式
filtered_files = [file for file in files if file.lower().endswith(('.pdf', '.htm', '.crdownload', '.pdf.crdownload'))]

>>> "foo.pdf".endswith((".pdf", ".htm"))
True
>>> "foo.pdf.crdownload".endswith((".pdf", ".htm"))
False
>>> "foo.pdf.crdownload".endswith((".pdf", ".htm", ".crdownload"))
True
>>> "foo.pdf.crdownload".endswith((".pdf", ".htm", ".pdf.crdownload"))
True