如何使用 glob() 递归查找文件？

Question

这就是我所拥有的：

glob(os.path.join('src','*.c'))

但我想搜索 src 的子文件夹。这样的事情会起作用：

glob(os.path.join('src','*.c'))
glob(os.path.join('src','*','*.c'))
glob(os.path.join('src','*','*','*.c'))
glob(os.path.join('src','*','*','*','*.c'))

但这显然是有限且笨重的。

Answer 1

pathlib.Path.rglob

使用pathlib 模块中的pathlib.Path.rglob，该模块是在 Python 3.5 中引入的。

from pathlib import Path

for path in Path('src').rglob('*.c'):
    print(path.name)

如果你不想使用pathlib，可以使用glob.glob('**/*.c')，但不要忘记传入recursive关键字参数，它会在大目录上占用过多的时间。

适用于匹配文件以点开头的情况 (.)；喜欢当前目录中的文件或基于 Unix 系统上的隐藏文件，请使用下面的os.walk 解决方案。

os.walk

对于较旧的 Python 版本，使用 os.walk 递归遍历目录并使用 fnmatch.filter 匹配简单表达式：

import fnmatch
import os

matches = []
for root, dirnames, filenames in os.walk('src'):
    for filename in fnmatch.filter(filenames, '*.c'):
        matches.append(os.path.join(root, filename))

Answer 2

与其他解决方案类似，但使用 fnmatch.fnmatch 而不是 glob，因为 os.walk 已经列出了文件名：

import os, fnmatch


def find_files(directory, pattern):
    for root, dirs, files in os.walk(directory):
        for basename in files:
            if fnmatch.fnmatch(basename, pattern):
                filename = os.path.join(root, basename)
                yield filename


for filename in find_files('src', '*.c'):
    print 'Found C source:', filename

此外，使用生成器可以让您在找到每个文件时对其进行处理，而不是找到所有文件然后处理它们。

Answer 3

对于 python >= 3.5 你可以使用**, recursive=True :

import glob
for f in glob.glob('/path/**/*.c', recursive=True):
    print(f)

---

如果递归是True，模式** 将匹配任何文件和零 或更多 directories 和 subdirectories。如果模式后面跟着 os.sep，只有目录和 subdirectories 匹配。

---

Python 3.6 Demo

Answer 4

我已修改 glob 模块以支持 ** 进行递归通配，例如：

>>> import glob2
>>> all_header_files = glob2.glob('src/**/*.c')

https://github.com/miracle2k/python-glob2/

当您希望为用户提供使用 ** 语法的能力时很有用，因此单独使用 os.walk() 还不够好。

Answer 5

从 Python 3.4 开始，可以使用新的pathlib 模块中的Path 类之一的glob() 方法，该模块支持** 通配符。例如：

from pathlib import Path

for file_path in Path('src').glob('**/*.c'):
    print(file_path) # do whatever you need with these files

更新： 从 Python 3.5 开始，glob.glob() 也支持相同的语法。

Answer 6

import os
import fnmatch


def recursive_glob(treeroot, pattern):
    results = []
    for base, dirs, files in os.walk(treeroot):
        goodfiles = fnmatch.filter(files, pattern)
        results.extend(os.path.join(base, f) for f in goodfiles)
    return results

fnmatch 为您提供与glob 完全相同的模式，因此这确实是glob.glob 的绝佳替代品，具有非常接近的语义。迭代版本（例如生成器），IOW 替代glob.iglob，是一个微不足道的适应（只是yield 中间结果，而不是extend 在最后返回单个结果列表）。

Answer 7

您需要使用os.walk 来收集符合您条件的文件名。例如：

import os
cfiles = []
for root, dirs, files in os.walk('src'):
  for file in files:
    if file.endswith('.c'):
      cfiles.append(os.path.join(root, file))

Answer 8

这是一个带有嵌套列表推导、os.walk 和简单后缀匹配而不是 glob 的解决方案：

import os
cfiles = [os.path.join(root, filename)
          for root, dirnames, filenames in os.walk('src')
          for filename in filenames if filename.endswith('.c')]

可以压缩成单行：

import os;cfiles=[os.path.join(r,f) for r,d,fs in os.walk('src') for f in fs if f.endswith('.c')]

或泛化为函数：

import os

def recursive_glob(rootdir='.', suffix=''):
    return [os.path.join(looproot, filename)
            for looproot, _, filenames in os.walk(rootdir)
            for filename in filenames if filename.endswith(suffix)]

cfiles = recursive_glob('src', '.c')

如果您确实需要完整的glob 样式模式，您可以按照 Alex 的和 布鲁诺的例子和使用fnmatch：

import fnmatch
import os

def recursive_glob(rootdir='.', pattern='*'):
    return [os.path.join(looproot, filename)
            for looproot, _, filenames in os.walk(rootdir)
            for filename in filenames
            if fnmatch.fnmatch(filename, pattern)]

cfiles = recursive_glob('src', '*.c')

Answer 9

考虑pathlib.rglob()。

这就像在给定的相对模式前面添加"**/" 调用Path.glob()：

import pathlib


for p in pathlib.Path("src").rglob("*.c"):
    print(p)

另请参阅 @taleinat 的相关 post 和类似的 post 其他地方。

Answer 10

import os, glob

for each in glob.glob('path/**/*.c', recursive=True):
    print(f'Name with path: {each} \nName without path: {os.path.basename(each)}')

• glob.glob('*.c') :匹配当前目录下所有以.c结尾的文件
• glob.glob('*/*.c') :同1
• glob.glob('**/*.c') :仅匹配直接子目录中所有以.c结尾的文件，而不匹配当前目录中的所有文件
• glob.glob('*.c',recursive=True) ：同1
• glob.glob('*/*.c',recursive=True) ：同3
• glob.glob('**/*.c',recursive=True) :匹配当前目录和所有子目录中所有以.c结尾的文件

Answer 11

最近我不得不用扩展名 .jpg 恢复我的图片。我运行 photorec 并恢复了 4579 个目录，其中包含 220 万个文件，扩展名种类繁多。使用下面的脚本，我能够在几分钟内选择 50133 个具有 .jpg 扩展名的文件：

#!/usr/binenv python2.7

import glob
import shutil
import os

src_dir = "/home/mustafa/Masaüstü/yedek"
dst_dir = "/home/mustafa/Genel/media"
for mediafile in glob.iglob(os.path.join(src_dir, "*", "*.jpg")): #"*" is for subdirectory
    shutil.copy(mediafile, dst_dir)

Answer 12

基于其他答案，这是我当前的工作实现，它检索根目录中的嵌套 xml 文件：

files = []
for root, dirnames, filenames in os.walk(myDir):
    files.extend(glob.glob(root + "/*.xml"))

我真的很喜欢 python :)

Answer 13

Johan 和 Bruno 在所述最低要求方面提供了出色的解决方案。我刚刚发布了Formic，它实现了Ant FileSet and Globs，可以处理这个和更复杂的场景。您的要求的实现是：

import formic
fileset = formic.FileSet(include="/src/**/*.c")
for file_name in fileset.qualified_files():
    print file_name

Answer 14

适用于 python 3.5 及更高版本

import glob

#file_names_array = glob.glob('path/*.c', recursive=True)
#above works for files directly at path/ as guided by NeStack

#updated version
file_names_array = glob.glob('path/**/*.c', recursive=True)

你可能还需要

for full_path_in_src in  file_names_array:
    print (full_path_in_src ) # be like 'abc/xyz.c'
    #Full system path of this would be like => 'path till src/abc/xyz.c'

Answer 15

如果有人对此感兴趣，我已经介绍了前三种建议的方法。 我在 globbed 文件夹中有大约 500K 个文件（总共），以及与所需模式匹配的 2K 个文件。

这是（非常基本的）代码

import glob
import json
import fnmatch
import os
from pathlib import Path
from time import time


def find_files_iglob():
    return glob.iglob("./data/**/data.json", recursive=True)


def find_files_oswalk():
    for root, dirnames, filenames in os.walk('data'):
        for filename in fnmatch.filter(filenames, 'data.json'):
            yield os.path.join(root, filename)

def find_files_rglob():
    return Path('data').rglob('data.json')

t0 = time()
for f in find_files_oswalk(): pass    
t1 = time()
for f in find_files_rglob(): pass
t2 = time()
for f in find_files_iglob(): pass 
t3 = time()
print(t1-t0, t2-t1, t3-t2)

我得到的结果是：
os_walk: ~3.6sec
rglob ~14.5 秒
iglob：~16.9 秒

平台：Ubuntu 16.04, x86_64 (core i7),

Answer 16

另一种仅使用 glob 模块的方法。只需使用起始基目录和要匹配的模式为 rglob 方法播种，它将返回匹配文件名的列表。

import glob
import os

def _getDirs(base):
    return [x for x in glob.iglob(os.path.join( base, '*')) if os.path.isdir(x) ]

def rglob(base, pattern):
    list = []
    list.extend(glob.glob(os.path.join(base,pattern)))
    dirs = _getDirs(base)
    if len(dirs):
        for d in dirs:
            list.extend(rglob(os.path.join(base,d), pattern))
    return list

Answer 17

或者使用列表理解：

 >>> base = r"c:\User\xtofl"
 >>> binfiles = [ os.path.join(base,f) 
            for base, _, files in os.walk(root) 
            for f in files if f.endswith(".jpg") ] 

Answer 18

刚做了这个..它将以分层方式打印文件和目录

但我没有使用 fnmatch 或 walk

#!/usr/bin/python

import os,glob,sys

def dirlist(path, c = 1):

        for i in glob.glob(os.path.join(path, "*")):
                if os.path.isfile(i):
                        filepath, filename = os.path.split(i)
                        print '----' *c + filename

                elif os.path.isdir(i):
                        dirname = os.path.basename(i)
                        print '----' *c + dirname
                        c+=1
                        dirlist(i,c)
                        c-=1


path = os.path.normpath(sys.argv[1])
print(os.path.basename(path))
dirlist(path)

Answer 19

那个使用 fnmatch 或正则表达式：

import fnmatch, os

def filepaths(directory, pattern):
    for root, dirs, files in os.walk(directory):
        for basename in files:
            try:
                matched = pattern.match(basename)
            except AttributeError:
                matched = fnmatch.fnmatch(basename, pattern)
            if matched:
                yield os.path.join(root, basename)

# usage
if __name__ == '__main__':
    from pprint import pprint as pp
    import re
    path = r'/Users/hipertracker/app/myapp'
    pp([x for x in filepaths(path, re.compile(r'.*\.py$'))])
    pp([x for x in filepaths(path, '*.py')])

Answer 20

除了建议的答案之外，您还可以使用一些惰性生成和列表理解魔法来做到这一点：

import os, glob, itertools

results = itertools.chain.from_iterable(glob.iglob(os.path.join(root,'*.c'))
                                               for root, dirs, files in os.walk('src'))

for f in results: print(f)

除了适合一行并避免内存中不必要的列表之外，这还具有很好的副作用，您可以以类似于 ** 运算符的方式使用它，例如，您可以使用os.path.join(root, 'some/path/*.c') 来获得src 的所有子目录中具有此结构的所有 .c 文件。

Answer 21

这是 Python 2.7 上的工作代码。作为我的 devops 工作的一部分，我需要编写一个脚本，它将标有 live-appName.properties 的配置文件移动到 appName.properties。可能还有其他扩展文件，例如 live-appName.xml。

下面是一个工作代码，它在给定目录（嵌套级别）中查找文件，然后将其重命名（移动）为所需的文件名

def flipProperties(searchDir):
   print "Flipping properties to point to live DB"
   for root, dirnames, filenames in os.walk(searchDir):
      for filename in fnmatch.filter(filenames, 'live-*.*'):
        targetFileName = os.path.join(root, filename.split("live-")[1])
        print "File "+ os.path.join(root, filename) + "will be moved to " + targetFileName
        shutil.move(os.path.join(root, filename), targetFileName)

这个函数是从一个主脚本调用的

flipProperties(searchDir)

希望这对遇到类似问题的人有所帮助。

Answer 22

Johan Dahlin 答案的简化版本，没有fnmatch。

import os

matches = []
for root, dirnames, filenames in os.walk('src'):
  matches += [os.path.join(root, f) for f in filenames if f[-2:] == '.c']

Answer 23

这是我使用列表理解在目录和所有子目录中递归搜索多个文件扩展名的解决方案：

import os, glob

def _globrec(path, *exts):
""" Glob recursively a directory and all subdirectories for multiple file extensions 
    Note: Glob is case-insensitive, i. e. for '\*.jpg' you will get files ending
    with .jpg and .JPG

    Parameters
    ----------
    path : str
        A directory name
    exts : tuple
        File extensions to glob for

    Returns
    -------
    files : list
        list of files matching extensions in exts in path and subfolders

    """
    dirs = [a[0] for a in os.walk(path)]
    f_filter = [d+e for d in dirs for e in exts]    
    return [f for files in [glob.iglob(files) for files in f_filter] for f in files]

my_pictures = _globrec(r'C:\Temp', '\*.jpg','\*.bmp','\*.png','\*.gif')
for f in my_pictures:
    print f

Answer 24

如果文件位于远程文件系统或存档内，您可以使用fsspec AbstractFileSystem class 的实现。例如，列出 zipfile 中的所有文件：

from fsspec.implementations.zip import ZipFileSystem
fs = ZipFileSystem("/tmp/test.zip")
fs.glob("/**")  # equivalent: fs.find("/")

或列出公开可用的 S3 存储桶中的所有文件：

from s3fs import S3FileSystem
fs_s3 = S3FileSystem(anon=True)
fs_s3.glob("noaa-goes16/ABI-L1b-RadF/2020/045/**")  # or use fs_s3.find

您也可以将它用于本地文件系统，如果您的实现应该与文件系统无关，这可能会很有趣：

from fsspec.implementations.local import LocalFileSystem
fs = LocalFileSystem()
fs.glob("/tmp/test/**")

其他实现包括 Google Cloud、Github、SFTP/SSH、Dropbox 和 Azure。详情请见fsspec API documentation。

Answer 25

import sys, os, glob

dir_list = ["c:\\books\\heap"]

while len(dir_list) > 0:
    cur_dir = dir_list[0]
    del dir_list[0]
    list_of_files = glob.glob(cur_dir+'\\*')
    for book in list_of_files:
        if os.path.isfile(book):
            print(book)
        else:
            dir_list.append(book)

Answer 26

我修改了这篇文章中的最佳答案.. 并且最近创建了这个脚本，它将遍历给定目录 (searchdir) 中的所有文件及其下的子目录...并打印文件名、根目录、修改/创建日期和大小。

希望这对某人有所帮助......他们可以遍历目录并获取文件信息。

import time
import fnmatch
import os

def fileinfo(file):
    filename = os.path.basename(file)
    rootdir = os.path.dirname(file)
    lastmod = time.ctime(os.path.getmtime(file))
    creation = time.ctime(os.path.getctime(file))
    filesize = os.path.getsize(file)

    print "%s**\t%s\t%s\t%s\t%s" % (rootdir, filename, lastmod, creation, filesize)

searchdir = r'D:\Your\Directory\Root'
matches = []

for root, dirnames, filenames in os.walk(searchdir):
    ##  for filename in fnmatch.filter(filenames, '*.c'):
    for filename in filenames:
        ##      matches.append(os.path.join(root, filename))
        ##print matches
        fileinfo(os.path.join(root, filename))

Answer 27

这是一个将模式与完整路径匹配的解决方案，而不仅仅是基本文件名。

它使用fnmatch.translate 将 glob 样式模式转换为正则表达式，然后将其与遍历目录时找到的每个文件的完整路径进行匹配。

re.IGNORECASE 是可选的，但在 Windows 上是可取的，因为文件系统本身不区分大小写。 （我没有费心编译正则表达式，因为文档表明它应该在内部缓存。）

import fnmatch
import os
import re

def findfiles(dir, pattern):
    patternregex = fnmatch.translate(pattern)
    for root, dirs, files in os.walk(dir):
        for basename in files:
            filename = os.path.join(root, basename)
            if re.search(patternregex, filename, re.IGNORECASE):
                yield filename

Answer 28

我需要一个 python 2.x 解决方案，它可以快速 在大型目录上运行。
我同意这个：

import subprocess
foundfiles= subprocess.check_output("ls src/*.c src/**/*.c", shell=True)
for foundfile in foundfiles.splitlines():
    print foundfile

请注意，如果ls 找不到任何匹配的文件，您可能需要进行一些异常处理。