3

问题：

我有一个文件夹（json_folder_large），其中包含超过 200, 000 个 json 文件，另一个文件夹（json_folder_small）其中包含 10, 000 个 json 文件。

import os
lst_file = os.listdir("tmp/json_folder_large") # this returns an OSError
OSError: [Errno 5] Input/output error: 'tmp/json_folder_large'

将 listdir 与目录路径一起使用时出现OSError 。我确信路径没有问题，因为我可以在没有此 OSError 的情况下对另一个文件夹执行相同的操作。

lst_file = os.listdir("tmp/json_folder_small") # no error with this

环境：

上面的问题是docker image 作为 pycharm 解释器。

当解释器是conda env时，没有错误。

我可以看到的唯一区别是，在我的 docker/preferences/resources/advanced 中，我设置了 4 个 CPU（最大值为 6）和 32GB 内存（最大值为 64）。

我试过了：（在docker下）

1. 使用 Pathlib

import pathlib
pathlib.Path('tmp/json_folder_large').iterdir() # this returns a generator <generator object Path.iterdir at 0x7fae4df499a8>
for x in pathlib.Path('tmp/json_folder_large').iterdir():
    print("hi")
    break

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "/usr/local/lib/python3.7/pathlib.py", line 1074, in iterdir for name in self._accessor.listdir(self):
OSError: [Errno 5] Input/output error: 'tmp/json_folder_large'

2.用os.scandir

os.scandir("tmp/json_folder_large") # this returns a generator <posix.ScandirIterator object at 0x7fae4c48f510>
for x in os.scandir("tmp/json_folder_large"):
    print("hi")
    break
Traceback (most recent call last):
  File "<input>", line 1, in <module>
OSError: [Errno 5] Input/output error: 'tmp/json_folder_large'

3.将pycharm终端连接到docker容器，然后执行ls

docker exec -it 21aa095da3b0 bash
cd json_folder_large
ls

然后报错（当终端没有连接到docker容器时，上面的代码没有报错！！！！！）

ls: reading directory '.': Input/output error

问题：

  1. 真的是因为内存问题吗？
  2. 是否可以在所有内容都在同一目录下时解决此错误？（我看到我们可以将这些文件拆分到不同的目录中）
  3. 为什么我的代码在 docker 下引发错误而不是 conda env？

提前致谢。

4

1 回答 1

0

您可以使用os.scandir或glob.iglob。他们利用迭代器并避免将整个列表加载到内存中。

于 2021-03-22T16:05:26.300 回答