Cum pot găsi toate fișierele într-un director având extensia .txt
în python?
Puteți utiliza glob
:
import glob, os
os.chdir("/mydir")
for file in glob.glob("*.txt"):
print(file)
sau pur și simplu os.listdir
:
import os
for file in os.listdir("/mydir"):
if file.endswith(".txt"):
print(os.path.join("/mydir", file))
sau, dacă doriți pentru a traversa director, utilizați os.de mers pe jos
:
import os
for root, dirs, files in os.walk("/mydir"):
for file in files:
if file.endswith(".txt"):
print(os.path.join(root, file))
Ceva de genul asta ar trebui să facă treaba
for root, dirs, files in os.walk(directory):
for file in files:
if file.endswith('.txt'):
print file
Ceva de genul acesta va funcționa:
>>> import os
>>> path = '/usr/share/cups/charmaps'
>>> text_files = [f for f in os.listdir(path) if f.endswith('.txt')]
>>> text_files
['euc-cn.txt', 'euc-jp.txt', 'euc-kr.txt', 'euc-tw.txt', ... 'windows-950.txt']
Îmi place os.de mers pe jos():
import os, os.path
for root, dirs, files in os.walk(dir):
for f in files:
fullpath = os.path.join(root, f)
if os.path.splitext(fullpath)[1] == '.txt':
print fullpath
Sau cu generatoare:
import os, os.path
fileiter = (os.path.join(root, f)
for root, _, files in os.walk(dir)
for f in files)
txtfileiter = (f for f in fileiter if os.path.splitext(f)[1] == '.txt')
for txt in txtfileiter:
print txt
Puteți folosi pur și simplu pathlib
s glob
1:
import pathlib
list(pathlib.Path('your_directory').glob('*.txt'))
sau într-o buclă:
for txt_file in pathlib.Path('your_directory').glob('*.txt'):
# do something with "txt_file"
Dacă vrei recursive pot folosi.glob('*/.txt)`
1 pathlib
module a fost inclus în biblioteca standard python 3.4. Dar puteți instala spate-porturile modulului chiar mai vechi Python versiuni (de exemplu, folosind conda
sau pip
): pathlib
și pathlib2
.
Aici's mai multe versiuni ale aceleiași care produc rezultate ușor diferite:
import glob
for f in glob.iglob("/mydir/*/*.txt"): # generator, search immediate subdirectories
print f
print glob.glob1("/mydir", "*.tx?") # literal_directory, basename_pattern
import fnmatch, os
print fnmatch.filter(os.listdir("/mydir"), "*.tx?") # include dot-files
path.py este o altă alternativă: https://github.com/jaraco/path.py
from path import path
p = path('/path/to/the/directory')
for f in p.files(pattern='*.txt'):
print f
Metodă rapidă folosind sistemul de operare.scandir într-o funcție recursivă. Caută toate fișierele cu o anumită extensie în foldere și sub-foldere.
import os
def findFilesInFolder(path, pathList, extension, subFolders = True):
""" Recursive function to find all files of an extension type in a folder (and optionally in all subfolders too)
path: Base directory to find files
pathList: A list that stores all paths
extension: File extension to find
subFolders: Bool. If True, find files in all subfolders under path. If False, only searches files in the specified folder
"""
try: # Trapping a OSError: File permissions problem I believe
for entry in os.scandir(path):
if entry.is_file() and entry.path.endswith(extension):
pathList.append(entry.path)
elif entry.is_dir() and subFolders: # if its a directory, then repeat process as a nested function
pathList = findFilesInFolder(entry.path, pathList, extension, subFolders)
except OSError:
print('Cannot access ' + path +'. Probably a permissions error')
return pathList
dir_name = r'J:\myDirectory'
extension = ".txt"
pathList = []
pathList = findFilesInFolder(dir_name, pathList, extension, True)
Dacă sunteți în căutarea peste directoarele care conțin 10.000 fișiere, adăugarea la o listă devine ineficient. 'Randament' rezultatele este o soluție mai bună. Am inclus, de asemenea, o funcție pentru a converti de ieșire la o Panda Dataframe.
``python import os import re import panda ca pd import numpy ca np
def findFilesInFolderYield(cale, extensie, containsTxt='', subfoldere = True, excludeText = ''): """ funcție Recursivă pentru a găsi toate fișierele de un tip de extensie într-un dosar (și, opțional, în toate subfolderele prea)
calea: directorul de Bază pentru a găsi fișiere extensie: extensia de Fișier pentru a găsi. de exemplu, 'txt'. Expresie regulată. Sau 'e\d' pentru a se potrivi ls1, ls2, ls3, etc containsTxt: Lista de Siruri de caractere, doar găsește dosarul, dacă acesta conține acest text. Ignore daca '' (sau gol) subfoldere: Bool. Dacă este Adevărat, găsi fișiere într tuturor subfolderelor de sub calea. Dacă este False, doar caută fișiere în folderul specificat excludeText: șir de Text. Ignore daca ''. Va exclude în cazul șir de text este în cale. """ dacă tipul(containsTxt) == str: # dacă un șir de caractere și nu într-o listă containsTxt = [containsTxt]
myregexobj = re.compila('.' + extensia + '$') # Face-vă că extensia fișierului este de la sfârșitul și este precedat de un .
încercați: # Prinzând-o OSError sau FileNotFoundError: permisiunile de Fișiere problema cred pentru intrarea în sistemul de operare.scandir(calea): dacă intrarea.is_file() și myregexobj.de căutare(de intrare.calea): #
bools = [Valabil pentru txt în containsTxt dacă txt la intrare.calea și (excludeText == '' sau excludeText nu la intrare.calea)]
dacă len(cărți)== len(containsTxt): randament de intrare.stat().st_size, de intrare.stat().st_atime_ns, de intrare.stat().st_mtime_ns, de intrare.stat().st_ctime_ns, de intrare.calea
elif intrare.is_dir() și subfoldere: # dacă un director, apoi repetați procesul ca o funcție imbricate randament de findFilesInFolderYield(de intrare.calea, extensie, containsTxt, subfoldere) cu excepția OSError ca ose: de imprimare('nu Pot accesa ' + calea +'. Probabil o eroare de permisiuni ', ose) cu excepția FileNotFoundError ca fnf: print(cale +' nu a fost găsit ', fnf)
def findFilesInFolderYieldandGetDf(cale, extensie, containsTxt, subfoldere = True, excludeText = ''): """ Convertește revenit date de findFilesInFolderYield și creează și Panda Dataframe. Funcție recursivă pentru a găsi toate fișierele de un tip de extensie într-un dosar (și, opțional, în toate subfolderele prea)
calea: directorul de Bază pentru a găsi fișiere extensie: extensia de Fișier pentru a găsi. de exemplu, 'txt'. Expresie regulată. Sau 'e\d' pentru a se potrivi ls1, ls2, ls3, etc containsTxt: Lista de Siruri de caractere, doar găsește dosarul, dacă acesta conține acest text. Ignore daca '' (sau gol) subfoldere: Bool. Dacă este Adevărat, găsi fișiere într tuturor subfolderelor de sub calea. Dacă este False, doar caută fișiere în folderul specificat excludeText: șir de Text. Ignore daca ''. Va exclude în cazul șir de text este în cale. """
fileSizes, accessTimes, modificationTimes, creationTimes , căi = zip(*findFilesInFolderYield(cale, extensie, containsTxt, subfoldere)) df = pd.DataFrame({ 'FLS_File_Size':fileSizes, 'FLS_File_Access_Date':accessTimes, 'FLS_File_Modification_Date':np.array(modificationTimes).astype('timedelta64[ns]'), 'FLS_File_Creation_Date':creationTimes, 'FLS_File_PathName':căi, })
df['FLS_File_Modification_Date'] = pd.to_datetime(df['FLS_File_Modification_Date'],infer_datetime_format=True) df['FLS_File_Creation_Date'] = pd.to_datetime(df['FLS_File_Creation_Date'],infer_datetime_format=True) df['FLS_File_Access_Date'] = pd.to_datetime(df['FLS_File_Access_Date'],infer_datetime_format=True)
reveni df
ext = 'txt' # expresie regulată containsTxt=[] calea = 'C:\myFolder' df = findFilesInFolderYieldandGetDf(cale, ext, containsTxt, subfoldere = True) ``
Pentru a obține toate '.txt' nume de fișiere în interiorul 'dataPath' dosar ca o listă într-un mod Pythonic
from os import listdir
from os.path import isfile, join
path = "/dataPath/"
onlyTxtFiles = [f for f in listdir(path) if isfile(join(path, f)) and f.endswith(".txt")]
print onlyTxtFiles
Am facut un test (Python 3.6.4, W7x64) pentru a vedea ce soluție este mai rapidă pentru un singur dosar, nu subdirectoare, pentru a obține o listă completă căi de fișier pentru fișierele cu o anumită extensie.
Pe scurt, pentru această sarcină os.listdir()
este cel mai rapid și este de 1,7 x la fel de rapid ca cel mai bun următor: os.de mers pe jos()
(cu o pauza!), 2.7 x la fel de repede ca pathlib
, 3.2 x mai rapid decât os.scandir()
și 3.3 x mai rapid decât glob
.
Vă rugăm să păstrați în minte, că aceste rezultate se va schimba atunci când aveți nevoie recursiv rezultate. Daca dai copy/paste o metodă mai jos, vă rugăm să adăugați o .mai mici (de) altfel .EXT nu s-ar fi găsit atunci când căutați pentru .ext.
import os
import pathlib
import timeit
import glob
def a():
path = pathlib.Path().cwd()
list_sqlite_files = [str(f) for f in path.glob("*.sqlite")]
def b():
path = os.getcwd()
list_sqlite_files = [f.path for f in os.scandir(path) if os.path.splitext(f)[1] == ".sqlite"]
def c():
path = os.getcwd()
list_sqlite_files = [os.path.join(path, f) for f in os.listdir(path) if f.endswith(".sqlite")]
def d():
path = os.getcwd()
os.chdir(path)
list_sqlite_files = [os.path.join(path, f) for f in glob.glob("*.sqlite")]
def e():
path = os.getcwd()
list_sqlite_files = [os.path.join(path, f) for f in glob.glob1(str(path), "*.sqlite")]
def f():
path = os.getcwd()
list_sqlite_files = []
for root, dirs, files in os.walk(path):
for file in files:
if file.endswith(".sqlite"):
list_sqlite_files.append( os.path.join(root, file) )
break
print(timeit.timeit(a, number=1000))
print(timeit.timeit(b, number=1000))
print(timeit.timeit(c, number=1000))
print(timeit.timeit(d, number=1000))
print(timeit.timeit(e, number=1000))
print(timeit.timeit(f, number=1000))
Rezultate:
# Python 3.6.4
0.431
0.515
0.161
0.548
0.537
0.274
Încercați acest acest lucru va găsi toate fișierele recursiv:
import glob, os
os.chdir("H:\\wallpaper")# use whatever you directory
#double\\ no single \
for file in glob.glob("**/*.psd", recursive = True):#your format
print(file)
Acest cod face viața mai simplă.
import os
fnames = ([file for root, dirs, files in os.walk(dir)
for file in files
if file.endswith('.txt') #or file.endswith('.png') or file.endswith('.pdf')
])
for fname in fnames: print(fname)
Pentru a obține o serie de ".txt" nume de fișiere dintr-un folder numit "de date" în același director de obicei folosesc această simplă linie de cod:
import os
fileNames = [fileName for fileName in os.listdir("data") if fileName.endswith(".txt")]
Îți sugerez să utilizați fnmatch și partea superioară a metodei. În acest fel puteți găsi oricare dintre următoarele:
.
import fnmatch
import os
for file in os.listdir("/Users/Johnny/Desktop/MyTXTfolder"):
if fnmatch.fnmatch(file.upper(), '*.TXT'):
print(file)
Soluție funcțională cu sub-directoare:
from fnmatch import filter
from functools import partial
from itertools import chain
from os import path, walk
print(*chain(*(map(partial(path.join, root), filter(filenames, "*.txt")) for root, _, filenames in walk("mydir"))))