python - 如何进行递归子文件夹搜索并返回列表中的文件？

Question

我正在编写一个脚本，以递归地遍历主文件夹中的子文件夹并根据某种文件类型构建一个列表。我的脚本有问题。目前设置如下：

for root, subFolder, files in os.walk(PATH):
    for item in files:
        if item.endswith(".txt") :
            fileNamePath = str(os.path.join(root,subFolder,item))

问题是该subFolder变量正在拉入子文件夹列表，而不是 ITEM 文件所在的文件夹。我之前正在考虑为子文件夹运行一个 for 循环并加入路径的第一部分，但我想我会仔细检查是否有人在此之前有任何建议。

score 247 · Accepted Answer

您应该使用dirpath您调用的root. 提供了这些dirnames，因此如果有您不想os.walk递归到的文件夹，您可以修剪它。

import os
result = [os.path.join(dp, f) for dp, dn, filenames in os.walk(PATH) for f in filenames if os.path.splitext(f)[1] == '.txt']

编辑：

在最近的否决之后，我想到这glob是一个更好的扩展选择工具。

import os
from glob import glob
result = [y for x in os.walk(PATH) for y in glob(os.path.join(x[0], '*.txt'))]

也是一个生成器版本

from itertools import chain
result = (chain.from_iterable(glob(os.path.join(x[0], '*.txt')) for x in os.walk('.')))

适用于 Python 3.4+ 的 Edit2

from pathlib import Path
result = list(Path(".").rglob("*.[tT][xX][tT]"))

score 183 · Accepted Answer

在Python 3.5中更改：支持使用“**”的递归 glob。

glob.glob()得到一个新的递归参数。

如果您想获取每个.txt文件my_path（递归地包括子目录）：

import glob

files = glob.glob(my_path + '/**/*.txt', recursive=True)

# my_path/     the dir
# **/       every file and dir under my_path
# *.txt     every file that ends with '.txt'

如果你需要一个迭代器，你可以使用iglob作为替代：

for file in glob.iglob(my_path, recursive=True):
    # ...

score 42 · Accepted Answer

这似乎是我能想到的最快的解决方案，比任何解决方案都快，而且快得多os.walkglob。

它还将免费为您提供所有嵌套子文件夹的列表。
您可以搜索几个不同的扩展名。
您还可以选择返回完整路径或仅返回文件的名称，方法是更改f.path为f.name（不要为子文件夹更改它！）。

参数：dir: str, ext: list。
函数返回两个列表：subfolders, files.

有关详细的速度分析，请参见下文。

def run_fast_scandir(dir, ext):    # dir: str, ext: list
    subfolders, files = [], []

    for f in os.scandir(dir):
        if f.is_dir():
            subfolders.append(f.path)
        if f.is_file():
            if os.path.splitext(f.name)[1].lower() in ext:
                files.append(f.path)


    for dir in list(subfolders):
        sf, f = run_fast_scandir(dir, ext)
        subfolders.extend(sf)
        files.extend(f)
    return subfolders, files


subfolders, files = run_fast_scandir(folder, [".jpg"])

如果您需要文件大小，您还可以创建一个sizes列表并f.stat().st_size像这样添加以显示 MiB：

sizes.append(f"{f.stat().st_size/1024/1024:.0f} MiB")

速度分析

用于获取所有子文件夹和主文件夹中具有特定文件扩展名的所有文件的各种方法。

tl;博士：

fast_scandir除了 os.walk 之外，显然获胜并且速度是所有其他解决方案的两倍。
os.walk第二名稍慢。
使用glob会大大减慢这个过程。
没有一个结果使用自然排序。这意味着结果将按如下方式排序：1、10、2。要获得自然排序（1、2、10），请查看https://stackoverflow.com/a/48030307/2441026

**结果：**

fast_scandir    took  499 ms. Found files: 16596. Found subfolders: 439
os.walk         took  589 ms. Found files: 16596
find_files      took  919 ms. Found files: 16596
glob.iglob      took  998 ms. Found files: 16596
glob.glob       took 1002 ms. Found files: 16596
pathlib.rglob   took 1041 ms. Found files: 16596
os.walk-glob    took 1043 ms. Found files: 16596

使用 W7x64、Python 3.8.1、20 次运行完成了测试。439 个（部分嵌套）子文件夹中的 16596 个文件。
find_files来自https://stackoverflow.com/a/45646357/2441026并让您搜索多个扩展。
fast_scandir是我自己写的，还会返回子文件夹列表。您可以给它一个要搜索的扩展列表（我测试了一个包含一个简单条目的列表，if ... == ".jpg"并且没有显着差异）。

# -*- coding: utf-8 -*-
# Python 3


import time
import os
from glob import glob, iglob
from pathlib import Path


directory = r"<folder>"
RUNS = 20


def run_os_walk():
    a = time.time_ns()
    for i in range(RUNS):
        fu = [os.path.join(dp, f) for dp, dn, filenames in os.walk(directory) for f in filenames if
                  os.path.splitext(f)[1].lower() == '.jpg']
    print(f"os.walk\t\t\ttook {(time.time_ns() - a) / 1000 / 1000 / RUNS:.0f} ms. Found files: {len(fu)}")


def run_os_walk_glob():
    a = time.time_ns()
    for i in range(RUNS):
        fu = [y for x in os.walk(directory) for y in glob(os.path.join(x[0], '*.jpg'))]
    print(f"os.walk-glob\ttook {(time.time_ns() - a) / 1000 / 1000 / RUNS:.0f} ms. Found files: {len(fu)}")


def run_glob():
    a = time.time_ns()
    for i in range(RUNS):
        fu = glob(os.path.join(directory, '**', '*.jpg'), recursive=True)
    print(f"glob.glob\t\ttook {(time.time_ns() - a) / 1000 / 1000 / RUNS:.0f} ms. Found files: {len(fu)}")


def run_iglob():
    a = time.time_ns()
    for i in range(RUNS):
        fu = list(iglob(os.path.join(directory, '**', '*.jpg'), recursive=True))
    print(f"glob.iglob\t\ttook {(time.time_ns() - a) / 1000 / 1000 / RUNS:.0f} ms. Found files: {len(fu)}")


def run_pathlib_rglob():
    a = time.time_ns()
    for i in range(RUNS):
        fu = list(Path(directory).rglob("*.jpg"))
    print(f"pathlib.rglob\ttook {(time.time_ns() - a) / 1000 / 1000 / RUNS:.0f} ms. Found files: {len(fu)}")


def find_files(files, dirs=[], extensions=[]):
    # https://stackoverflow.com/a/45646357/2441026

    new_dirs = []
    for d in dirs:
        try:
            new_dirs += [ os.path.join(d, f) for f in os.listdir(d) ]
        except OSError:
            if os.path.splitext(d)[1].lower() in extensions:
                files.append(d)

    if new_dirs:
        find_files(files, new_dirs, extensions )
    else:
        return


def run_fast_scandir(dir, ext):    # dir: str, ext: list
    # https://stackoverflow.com/a/59803793/2441026

    subfolders, files = [], []

    for f in os.scandir(dir):
        if f.is_dir():
            subfolders.append(f.path)
        if f.is_file():
            if os.path.splitext(f.name)[1].lower() in ext:
                files.append(f.path)


    for dir in list(subfolders):
        sf, f = run_fast_scandir(dir, ext)
        subfolders.extend(sf)
        files.extend(f)
    return subfolders, files



if __name__ == '__main__':
    run_os_walk()
    run_os_walk_glob()
    run_glob()
    run_iglob()
    run_pathlib_rglob()


    a = time.time_ns()
    for i in range(RUNS):
        files = []
        find_files(files, dirs=[directory], extensions=[".jpg"])
    print(f"find_files\t\ttook {(time.time_ns() - a) / 1000 / 1000 / RUNS:.0f} ms. Found files: {len(files)}")


    a = time.time_ns()
    for i in range(RUNS):
        subf, files = run_fast_scandir(directory, [".jpg"])
    print(f"fast_scandir\ttook {(time.time_ns() - a) / 1000 / 1000 / RUNS:.0f} ms. Found files: {len(files)}. Found subfolders: {len(subf)}")

score 29 · Accepted Answer

我会将John La Rooy 的列表理解翻译成嵌套的 for，以防其他人无法理解它。

result = [y for x in os.walk(PATH) for y in glob(os.path.join(x[0], '*.txt'))]

应该相当于：

import glob
import os

result = []

for x in os.walk(PATH):
    for y in glob.glob(os.path.join(x[0], '*.txt')):
        result.append(y)

这是列表理解和函数os.walk和glob.glob的文档。

score 16 · Accepted Answer

新pathlib库将其简化为一行：

from pathlib import Path
result = list(Path(PATH).glob('**/*.txt'))

您还可以使用生成器版本：

from pathlib import Path
for file in Path(PATH).glob('**/*.txt'):
    pass

这将返回Path对象，您可以将其用于几乎任何事情，或者将文件名作为字符串获取file.name。

score 12 · Accepted Answer

您的原始解决方案几乎是正确的，但是变量“root”在递归路径时会动态更新。os.walk() 是一个递归生成器。每个元组集（根、子文件夹、文件）都是针对特定根的，就像您设置它的方式一样。

IE

root = 'C:\\'
subFolder = ['Users', 'ProgramFiles', 'ProgramFiles (x86)', 'Windows', ...]
files = ['foo1.txt', 'foo2.txt', 'foo3.txt', ...]

root = 'C:\\Users\\'
subFolder = ['UserAccount1', 'UserAccount2', ...]
files = ['bar1.txt', 'bar2.txt', 'bar3.txt', ...]

...

我对您的代码进行了微调以打印完整列表。

import os
for root, subFolder, files in os.walk(PATH):
    for item in files:
        if item.endswith(".txt") :
            fileNamePath = str(os.path.join(root,item))
            print(fileNamePath)

希望这可以帮助！

编辑：（基于反馈）

OP 误解/错误地标记了 subFolder 变量，因为它实际上是"root" 中的所有子文件夹。因此，OP，您正在尝试执行 os.path.join(str, list, str)，这可能不会像您预期的那样工作。

为了帮助增加清晰度，您可以尝试以下标签方案：

import os
for current_dir_path, current_subdirs, current_files in os.walk(RECURSIVE_ROOT):
    for aFile in current_files:
        if aFile.endswith(".txt") :
            txt_file_path = str(os.path.join(current_dir_path, aFile))
            print(txt_file_path)

score 9 · Accepted Answer

您可以通过这种方式返回绝对路径文件列表。

def list_files_recursive(path):
    """
    Function that receives as a parameter a directory path
    :return list_: File List and Its Absolute Paths
    """

    import os

    files = []

    # r = root, d = directories, f = files
    for r, d, f in os.walk(path):
        for file in f:
            files.append(os.path.join(r, file))

    lst = [file for file in files]
    return lst


if __name__ == '__main__':

    result = list_files_recursive('/tmp')
    print(result)

score 9 · Accepted Answer

它不是最pythonic的答案，但我把它放在这里是为了好玩，因为它是递归的一堂简洁的课

def find_files( files, dirs=[], extensions=[]):
    new_dirs = []
    for d in dirs:
        try:
            new_dirs += [ os.path.join(d, f) for f in os.listdir(d) ]
        except OSError:
            if os.path.splitext(d)[1] in extensions:
                files.append(d)

    if new_dirs:
        find_files(files, new_dirs, extensions )
    else:
        return

在我的机器上，我有两个文件夹，root并且root2

mender@multivax ]ls -R root root2
root:
temp1 temp2

root/temp1:
temp1.1 temp1.2

root/temp1/temp1.1:
f1.mid

root/temp1/temp1.2:
f.mi  f.mid

root/temp2:
tmp.mid

root2:
dummie.txt temp3

root2/temp3:
song.mid

假设我想在这些目录中的任何一个中找到所有.txt和所有.mid文件，那么我可以这样做

files = []
find_files( files, dirs=['root','root2'], extensions=['.mid','.txt'] )
print(files)

#['root2/dummie.txt',
# 'root/temp2/tmp.mid',
# 'root2/temp3/song.mid',
# 'root/temp1/temp1.1/f1.mid',
# 'root/temp1/temp1.2/f.mid']

score 4 · Accepted Answer

递归是 Python 3.5 中的新功能，因此它不适用于 Python 2.7。这是使用r字符串的示例，因此您只需要在 Win、Lin、...

import glob

mypath=r"C:\Users\dj\Desktop\nba"

files = glob.glob(mypath + r'\**\*.py', recursive=True)
# print(files) # as list
for f in files:
    print(f) # nice looking single line per file

注意：它将列出所有文件，无论它应该有多深。

score 4 · Accepted Answer

如果您不介意安装额外的灯光库，您可以这样做：

pip install plazy

用法：

import plazy

txt_filter = lambda x : True if x.endswith('.txt') else False
files = plazy.list_files(root='data', filter_func=txt_filter, is_include_root=True)

结果应如下所示：

['data/a.txt', 'data/b.txt', 'data/sub_dir/c.txt']

它适用于 Python 2.7 和 Python 3。

Github：https ://github.com/kyzas/plazy#list-files

免责声明：我是plazy.

score 3 · Accepted Answer

此函数将递归地仅将文件放入列表中。

import os


def ls_files(dir):
    files = list()
    for item in os.listdir(dir):
        abspath = os.path.join(dir, item)
        try:
            if os.path.isdir(abspath):
                files = files + ls_files(abspath)
            else:
                files.append(abspath)
        except FileNotFoundError as err:
            print('invalid directory\n', 'Error: ', err)
    return files

score 1 · Accepted Answer

您可以使用 glob 模块中的“递归”设置来搜索子目录

例如：

import glob
glob.glob('//Mypath/folder/**/*',recursive = True)

第二行将返回该文件夹位置的子目录中的所有文件（注意，您需要文件夹字符串末尾的“**/*”字符串来执行此操作。）

如果您特别想在子目录深处查找文本文件，您可以使用

glob.glob('//Mypath/folder/**/*.txt',recursive = True)

score 0 · Accepted Answer

一个最简单最基本的方法：

import os
for parent_path, _, filenames in os.walk('.'):
    for f in filenames:
        print(os.path.join(parent_path, f))

python - 如何进行递归子文件夹搜索并返回列表中的文件？

13 回答 13

Related

Reference