脚本处理文件目录时，有一种文件类型特别容易被误伤：文件名完全由数字组成、而且没有扩展名的文件。比如100、20240101或者0，这类文件看起来像临时产物，但有时可能是分片数据或业务导出结果。如果只是简单遍历目录再用通配符匹配数字，很容易把不该删的一起带走。下面会从风险场景、精确匹配、安全删除流程以及数据兜底几个方面，把整个实现拆解清楚。
为什么纯数字无扩展名文件容易被误删
纯数字文件名在系统里并不罕见。数据库按时间分片导出的文件可能命名为20240315，日志轮转后的归档可能命名为0001、0002，还有一些下载工具会生成纯数字的临时分片。因为没有扩展名，操作系统不会给它们分配默认打开方式，图标也常常是空白，用户或脚本第一眼容易把它们当成垃圾文件。如果清理规则写得太宽，例如只要文件名全是数字就删除，就会把仍然有用的数据也抹掉。
更大的隐患来自目录遍历方式。用os.listdir()拿到所有条目后，如果不区分文件和目录，可能误删一个名为20240101的文件夹；如果用glob.glob('*')再判断文件名是否为数字，还得额外处理隐藏文件。另外，str.isdigit()会把全角数字１２３也判定为True，有些场景下这可能不是你想要的。这些细节叠加起来，足以让一个看似简单的删除任务变得危险。
所以安全删除的第一步，不是急着调用os.remove()，而是把“什么是纯数字文件名、哪些文件属于目标、哪些必须排除”定义清楚。这里的纯数字应该特指由ASCII数字0到9组成，不包含全角字符、空格、正负号或小数点，并且文件名中不能有扩展名分隔符的概念——既然无扩展名，就意味着整个文件名就是一个完整的数字串。
用pathlib和正则表达式精确筛选目标文件
Python的pathlib模块很适合做这类路径遍历工作。它返回的Path对象自带is_file()、is_dir()、name等属性，比字符串拼接路径更可靠。配合re.fullmatch()，可以保证整个文件名完全匹配数字模式，而不是只匹配一部分。下面先给出一个基础筛选函数：
import re
from pathlib import Path
def find_numeric_files(directory: str):
root = Path(directory)
targets = []
for item in root.iterdir():
# 只处理文件，跳过目录和隐藏文件
if not item.is_file():
continue
if item.name.startswith('.'):
continue
# 整个文件名必须全部是ASCII数字，且不能为空
if re.fullmatch(r'[0-9]+', item.name):
targets.append(item)
return targets
这里用re.fullmatch(r'[0-9]+', item.name)而不是item.name.isdigit()，原因在于正则表达式可以明确限制字符范围。比如文件名是１２３（全角数字），str.isdigit()会返回True，但正则[0-9]+只能匹配半角数字，所以全角数字会被排除掉，避免误删。如果你确实需要支持全角数字，可以显式写成[0-9０-９]+，但默认还是建议只处理半角数字，更符合“纯数字文件名”的直觉。
另一个需要注意的点是隐藏文件。在Unix-like系统下，以点开头的文件经常是配置或临时状态文件，它们的名字可能是.123，不应被纳入删除目标。上面的代码通过item.name.startswith('.')把这类文件排除掉。Windows下隐藏属性不容易直接判断，但至少排除点开头的文件已经能挡住一大类意外。如果还需要排除符号链接，可以再检查item.is_symlink()，避免通过链接误删原始数据。
这个基础筛选函数返回的是Path对象列表，没有执行任何删除操作。这样做的好处是，你可以在真正删除前对这些候选文件做进一步检查，比如打印路径、统计数量、核对文件大小等。把筛选和删除拆开，是编写安全脚本的基本习惯。
构建带预览和确认机制的安全删除流程
直接拿到候选列表就调用os.remove()仍然不够安全。更稳妥的做法是设计一个dry-run模式，先把将要删除的文件打印出来，等用户确认后再真正执行删除。下面的代码实现了一个带dry_run参数的删除函数，默认不删除只预览，只有显式传入dry_run=False时才执行删除。
import os
import sys
def delete_numeric_files(directory: str, dry_run: bool = True):
candidates = find_numeric_files(directory)
if not candidates:
print("没有找到纯数字文件名的文件")
return
print(f"共找到 {len(candidates)} 个候选文件：")
for path in candidates:
size = path.stat().st_size
print(f" {path} ({size} bytes)")
if dry_run:
print("dry-run 模式：以上文件不会被删除。")
return
# 二次确认，避免误操作
answer = input("确认删除以上所有文件？输入 yes 继续：")
if answer.strip().lower() != "yes":
print("已取消删除。")
return
for path in candidates:
try:
os.remove(path)
print(f"已删除: {path}")
except OSError as exc:
print(f"删除失败: {path}，原因：{exc}", file=sys.stderr)
这个流程里，dry_run=True是默认行为，因此调用函数时如果忘记传参数，也不会真正删除文件。只有明确传入dry_run=False并且用户在控制台输入yes之后，删除才会发生。这种设计把误操作的概率降到最低。对于自动化脚本，你可以在配置文件中设置是否允许删除，或者增加一个--confirm命令行参数，而不是依赖交互式输入。
除了预览和确认，还有一步很重要：检查文件是否真的可写、是否被其他进程占用。Windows上如果文件被占用，os.remove()会抛出PermissionError；Linux上则可能静默失败或返回错误。因此删除逻辑里最好用try/except包住每个文件的删除动作，记录下失败的文件，而不是遇到错误就中断整个流程。上面的代码已经做了这一点，把失败信息输出到标准错误流，方便后续排查。
进阶：利用回收站与日志进一步提升安全性
即使有预览和确认，如果删除操作不可逆，数据一旦被清空仍然无法找回。解决这个问题的一个有效手段是把删除改成移动到回收站。Python生态里有send2trash库，它会把文件放进系统回收站，用户还可以通过资源管理器或文件管理器找回。这样即使脚本判断错误，也保留了恢复的机会。
try:
from send2trash import send2trash
except ImportError:
send2trash = None
def safe_delete_numeric_files(directory: str, use_trash: bool = True):
candidates = find_numeric_files(directory)
for path in candidates:
if use_trash and send2trash is not None:
send2trash(str(path))
print(f"已移动到回收站: {path}")
else:
os.remove(path)
print(f"已永久删除: {path}")
send2trash并不是标准库，需要单独安装pip install send2trash。如果环境里没有这个库，代码会自动回退到os.remove()，但前提是你明确选择了永久删除。更好的做法是，当use_trash=True但库缺失时，直接报错提示用户安装，而不是静默降级为永久删除，因为静默降级可能造成数据丢失。你可以把这段逻辑改成：
if use_trash and send2trash is None:
raise RuntimeError("use_trash=True 但 send2trash 未安装，请先 pip install send2trash")
日志记录同样是安全删除流程中不可忽视的一环。每次删除前把候选文件路径、文件大小、删除时间、操作结果写入日志文件，万一后续发现数据丢失，可以从日志里回溯当时删除了哪些文件、文件原本有多大，为数据恢复提供线索。下面是一个简单的日志记录示例，使用标准库logging：
import logging
logging.basicConfig(
filename='delete_numeric_files.log',
level=logging.INFO,
format='%(asctime)s - %(levelname)s - %(message)s'
)
def logged_delete(path: Path):
try:
size = path.stat().st_size
send2trash(str(path))
logging.info("已移动到回收站: %s, 大小: %d bytes", path, size)
except Exception as exc:
logging.error("删除失败: %s, 错误: %s", path, exc)
日志中不要记录敏感信息，但文件路径和大小通常足够用于审计。如果删除的文件数量很大，还可以把日志按天滚动。结合回收站和日志，整个纯数字文件名删除流程就具备了预览、确认、可恢复和可追溯四重保障。最终你可以把find_numeric_files()作为一个通用筛选层，在删除、归档、迁移等不同任务中复用，而不是每次临时写一段脆弱的正则匹配。