Рекурсивний пошук підпапок та повернення файлів у пітоні списку

Я працюю над сценарієм, щоб рекурсивно пройти через папки в основній папці та створити список із певного типу файлів. У мене виникають проблеми зі сценарієм. В даний час його встановлено наступним чином

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

проблема полягає в тому, що змінна підпапки перетягує список підпапок, а не папку, в якій знаходиться файл ITEM. Я думав запустити цикл для підпапки раніше і приєднатися до першої частини шляху, але я зрозумів, що я перевірив, чи є у когось якісь пропозиції до цього. Спасибі за вашу допомогу!

Ви повинні використовувати те, dirpathщо вам дзвонить root. dirnamesПоставляється , так що ви можете обрізати його , якщо є папки , які ви не хочете , os.walkщоб рекурсія в.

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']

Редагувати:

Після останнього голосування мені здалося, що globце кращий інструмент для вибору за допомогою розширення.

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

Також версія генератора

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

Edit2 для Python 3.4+

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

Змінено в Python 3.5 : Підтримка рекурсивних глобусів за допомогою “**”.

glob.glob()отримав новий рекурсивний параметр .

Якщо ви хочете отримати кожен .txtфайл під my_path(рекурсивно, включаючи підкаталоги):

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'

Якщо вам потрібен ітератор, ви можете використовувати iglob як альтернативу:

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

Я перекладу розуміння списку Джона Ла Руя на вкладене, лише на випадок, якщо у когось іншого виникнуть проблеми з його розумінням.

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

Повинен бути еквівалентний:

import glob

result = []

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

Ось документація для розуміння списку та функцій os.walk та glob.glob .

Це, здається, є найшвидшим рішенням, яке я міг придумати, і це швидше os.walkі набагато швидше, ніж будь-яке globрішення .

• Він також надасть вам список усіх вкладених папок практично без витрат.
• Ви можете шукати кілька різних розширень.
• Ви також можете повернути повний шлях або просто імена файлів, змінивши f.pathна f.name(не змінюйте це для підпапок!).

Args: dir: str, ext: list.
Функція повертає два списки:subfolders, files .

Нижче див. Детальний аналіз швидкості.

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"])

Аналіз швидкості

для різних методів отримання всіх файлів із певним розширенням файлу усередині папок та основної папки.

tl; dr:
- fast_scandirявно перемагає і вдвічі швидше, ніж усі інші рішення, крім os.walk.
- os.walkзаймає друге місце трохи повільніше.
- використання globзначно уповільнить процес.
- Жоден з результатів не використовує природне сортування . Це означає, що результати будуть сортовані так: 1, 10, 2. Щоб отримати природне сортування (1, 2, 10), перегляньте https://stackoverflow.com/a/48030307/2441026

Результати:

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

Тести проводилися з W7x64, Python 3.8.1, 20 запусками. 16596 файлів у 439 (частково вкладених) папках.
find_filesз https://stackoverflow.com/a/45646357/2441026 і дозволяє шукати кілька розширень.
fast_scandirбув написаний власноруч і також поверне список підпапок. Ви можете дати йому список розширень для пошуку (я тестував список з одним записом до простого if ... == ".jpg"і суттєвої різниці не було).

# -*- 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)}")

Нова pathlibбібліотека спрощує це до одного рядка:

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

Ви також можете використовувати версію генератора:

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

Це повертає Pathоб'єкти, які ви можете використовувати майже все, або отримати ім'я файлу у вигляді рядка file.name.

Це не найпітонічніша відповідь, але я покладу це сюди для розваги, бо це акуратне заняття з рекурсії

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

У мене на машині дві папки rootтаroot2

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

Скажімо, я хочу знайти всі .txtта всі .midфайли в будь-якому з цих каталогів, тоді я можу це зробити

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']

Рекурсивна новинка в Python 3.5, тому вона не працюватиме на Python 2.7. Ось приклад, який використовує rрядки, тому вам просто потрібно вказати шлях, як на 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

Примітка. У ньому будуть перераховані всі файли, незалежно від того, наскільки глибоко вони повинні пройти.

Ви можете зробити це таким чином, щоб повернути вам список абсолютних файлів шляху.

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)

Якщо ви не проти встановити додаткову світлу бібліотеку, ви можете зробити це:

pip install plazy

Використання:

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)

Результат повинен виглядати приблизно так:

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

Він працює як на Python 2.7, так і на Python 3.

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

Відмова: Я є автором plazy.

Ця функція буде рекурсивно містити лише список файлів у списку. Сподіваюсь, що це буде вам.

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

Ваше оригінальне рішення було майже майже правильним, але змінна "корінь" динамічно оновлюється в міру рекурсивного обходу. os.walk () - рекурсивний генератор. Кожен набір кортезів (root, subFolder, файли) призначений для конкретного кореня так, як ви його налаштували.

тобто

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', ...]

...

Я трохи змінив ваш код, щоб надрукувати повний список.

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)

Сподіваюся, це допомагає!