在 Python 中查找扩展名为 .txt 的目录中的所有文件

Posted 2023-02-15

【中文标题】在 Python 中查找扩展名为 .txt 的目录中的所有文件

【英文标题】：Find all files in a directory with extension .txt in Python

【发布时间】：2011-04-27 06:04:41

【问题描述】：

如何在python中找到扩展名为.txt的目录中的所有文件？

【参考方案1】：

你可以使用glob:

import glob, os
os.chdir("/mydir")
for file in glob.glob("*.txt"):
    print(file)

或者干脆os.listdir:

import os
for file in os.listdir("/mydir"):
    if file.endswith(".txt"):
        print(os.path.join("/mydir", file))

或者如果你想遍历目录，使用os.walk:

import os
for root, dirs, files in os.walk("/mydir"):
    for file in files:
        if file.endswith(".txt"):
             print(os.path.join(root, file))

【讨论】：

使用解决方案 #2，您将如何使用该信息创建文件或列表？

@ghostdog74：在我看来，写for file in f 比写for files in f 更合适，因为变量中的内容是单个文件名。更好的办法是将f 更改为files，然后for 循环可以变为for file in files。

@computermacgyver: 不，file 不是保留字，只是预定义函数的名称，因此很有可能在您自己的代码中将其用作变量名。尽管确实应该避免这样的冲突，但file 是一种特殊情况，因为几乎不需要使用它，因此通常将其视为准则的例外。如果您不想这样做，PEP8 建议在此类名称后附加一个下划线，即 file_，您必须同意它仍然非常易读。

谢谢，martineau，你说得对。我太快下结论了。

#2 更 Pythonic 的方式可以是 for file in [f for f in os.listdir('/mydir') if f.endswith('.txt')]:

【参考方案2】：

使用glob。

>>> import glob
>>> glob.glob('./*.txt')
['./outline.txt', './pip-log.txt', './test.txt', './testingvim.txt']

【讨论】：

这不仅简单，而且不区分大小写。 （至少，它应该在 Windows 上。我不确定其他操作系统。）

如果您的 python 低于 3.5，请注意 glob 无法递归找到文件。 more inform

最好的部分是你可以使用正则表达式 test*.txt

@JonCoombs 不。至少在 Linux 上不行。

这只会在当前***目录中查找文件，而不是在整个目录中。

【参考方案3】：

类似的东西应该可以完成这项工作

for root, dirs, files in os.walk(directory):
    for file in files:
        if file.endswith('.txt'):
            print(file)

【讨论】：

+1 用于命名变量root, dirs, files 而不是r, d, f。更具可读性。

请注意，这是区分大小写的（与 .TXT 或 .Txt 不匹配），因此您可能希望这样做 if file.lower().endswith('.txt'):

您的答案涉及子目录。

作为列表理解：text_file_list = [file for root, dirs, files in os.walk(folder) for file in files if file.endswith('.txt')]

【参考方案4】：

这样的事情会起作用：

>>> 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']

【讨论】：

如何保存到 text_files 的路径？ ['path/euc-cn.txt', ...'path/windows-950.txt']

您可以在text_files 的每个元素上使用os.path.join。它可能类似于text_files = [os.path.join(path, f) for f in os.listdir(path) if f.endswith('.txt')]。

【参考方案5】：

你可以简单地使用pathlibs glob ¹:

import pathlib

list(pathlib.Path('your_directory').glob('*.txt'))

或在循环中：

for txt_file in pathlib.Path('your_directory').glob('*.txt'):
    # do something with "txt_file"

如果你想递归，你可以使用.glob('**/*.txt')

---

¹pathlib 模块已包含在 python 3.4 的标准库中。但是即使在较旧的 Python 版本（即使用 conda 或 pip）上，您也可以安装该模块的后端端口：pathlib 和 pathlib2。

【讨论】：

**/*.txt 不支持较旧的python版本。所以我解决了这个问题：foundfiles= subprocess.check_output("ls **/*.txt", shell=True)for foundfile in foundfiles.splitlines():print foundfile

@Roman 是的，这只是一个展示 pathlib 可以做什么，我已经包含了 Python 版本要求。 :) 但是，如果您的方法尚未发布，为什么不将其添加为另一个答案？

是的，发布答案肯定会给我更好的格式化可能性。我把它贴在there 因为我认为这是一个更合适的地方。

请注意，如果您想递归查找项目，也可以使用rglob。例如。 .rglob('*.txt')

【参考方案6】：

import os

path = 'mypath/path' 
files = os.listdir(path)

files_txt = [i for i in files if i.endswith('.txt')]

【参考方案7】：

我喜欢os.walk()：

import os

for root, dirs, files in os.walk(dir):
    for f in files:
        if os.path.splitext(f)[1] == '.txt':
            fullpath = os.path.join(root, f)
            print(fullpath)

或者使用生成器：

import os

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)

【讨论】：

这是提供完整路径和递归功能的唯一答案。

【参考方案8】：

这里有更多相同的版本，产生的结果略有不同：

glob.iglob()

import glob
for f in glob.iglob("/mydir/*/*.txt"): # generator, search immediate subdirectories 
    print f

glob.glob1()

print glob.glob1("/mydir", "*.tx?")  # literal_directory, basename_pattern

fnmatch.filter()

import fnmatch, os
print fnmatch.filter(os.listdir("/mydir"), "*.tx?") # include dot-files

【讨论】：

对于好奇的人，glob1() 是 glob 模块中的一个辅助函数，它没有在 Python 文档中列出。有一些内联 cmets 描述了它在源文件中的作用，请参阅.../Lib/glob.py。

@martineau: glob.glob1() 不公开，但在 Python 2.4-2.7;3.0-3.2 上可用； pypy; jython github.com/zed/test_glob1

谢谢，在决定是否在模块中使用未记录的私有函数时，这是很好的附加信息。 ;-) 这里还有一点。 Python 2.7 版本只有 12 行长，看起来很容易从 glob 模块中提取出来。

【参考方案9】：

Python v3.5+

在递归函数中使用 os.scandir 的快速方法。在文件夹和子文件夹中搜索具有指定扩展名的所有文件。即使查找 10,000 多个文件，它也很快。

我还包含了一个将输出转换为 Pandas Dataframe 的函数。

import os
import re
import pandas as pd
import numpy as np


def findFilesInFolderYield(path,  extension, containsTxt='', subFolders = True, excludeText = ''):
    """  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
    extension:          File extension to find.  e.g. 'txt'.  Regular expression. Or  'ls\d' to match ls1, ls2, ls3 etc
    containsTxt:        List of Strings, only finds file if it contains this text.  Ignore if '' (or blank)
    subFolders:         Bool.  If True, find files in all subfolders under path. If False, only searches files in the specified folder
    excludeText:        Text string.  Ignore if ''. Will exclude if text string is in path.
    """
    if type(containsTxt) == str: # if a string and not in a list
        containsTxt = [containsTxt]
    
    myregexobj = re.compile('\.' + extension + '$')    # Makes sure the file extension is at the end and is preceded by a .
    
    try:   # Trapping a OSError or FileNotFoundError:  File permissions problem I believe
        for entry in os.scandir(path):
            if entry.is_file() and myregexobj.search(entry.path): # 
    
                bools = [True for txt in containsTxt if txt in entry.path and (excludeText == '' or excludeText not in entry.path)]
    
                if len(bools)== len(containsTxt):
                    yield entry.stat().st_size, entry.stat().st_atime_ns, entry.stat().st_mtime_ns, entry.stat().st_ctime_ns, entry.path
    
            elif entry.is_dir() and subFolders:   # if its a directory, then repeat process as a nested function
                yield from findFilesInFolderYield(entry.path,  extension, containsTxt, subFolders)
    except OSError as ose:
        print('Cannot access ' + path +'. Probably a permissions error ', ose)
    except FileNotFoundError as fnf:
        print(path +' not found ', fnf)

def findFilesInFolderYieldandGetDf(path,  extension, containsTxt, subFolders = True, excludeText = ''):
    """  Converts returned data from findFilesInFolderYield and creates and Pandas Dataframe.
    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
    extension:          File extension to find.  e.g. 'txt'.  Regular expression. Or  'ls\d' to match ls1, ls2, ls3 etc
    containsTxt:        List of Strings, only finds file if it contains this text.  Ignore if '' (or blank)
    subFolders:         Bool.  If True, find files in all subfolders under path. If False, only searches files in the specified folder
    excludeText:        Text string.  Ignore if ''. Will exclude if text string is in path.
    """
    
    fileSizes, accessTimes, modificationTimes, creationTimes , paths  = zip(*findFilesInFolderYield(path,  extension, containsTxt, subFolders))
    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':paths,
                  )
    
    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)

    return df

ext =   'txt'  # regular expression 
containsTxt=[]
path = 'C:\myFolder'
df = findFilesInFolderYieldandGetDf(path,  ext, containsTxt, subFolders = True)

【参考方案10】：

path.py 是另一种选择：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

【讨论】：

酷，它也接受模式中的正则表达式。我正在使用 for f in p.walk(pattern='*.txt') 遍历每个子文件夹

是的，还有 pathlib。你可以这样做：list(p.glob('**/*.py'))

【参考方案11】：

试试这个，它会递归地找到你所有的文件：

import glob, os
os.chdir("H:\\wallpaper")# use whatever directory you want

#double\\ no single \

for file in glob.glob("**/*.txt", recursive = True):
    print(file)

【讨论】：

不适用于递归版本（双星：**）。仅在 python 3 中可用。我不喜欢的是 chdir 部分。没必要。

嗯，你可以使用 os 库加入路径，例如 filepath = os.path.join('wallpaper')，然后将其用作 glob.glob(filepath+"**/*.psd", recursive = True)，会产生相同的结果。

请注意，应将 file 赋值重命名为 _file 之类的名称，以免与保存的类型名称冲突

我注意到它不区分大小写（至少在 Windows 上）。如何使模式匹配区分大小写？

glob 在 ipython 中的行为与在运行代码中的行为不同，并且通常令人惊讶。过去我告诉自己要放弃它并继续固执，回到它，并为此付出代价。

【参考方案12】：

Python 拥有执行此操作的所有工具：

import os

the_dir = 'the_dir_that_want_to_search_in'
all_txt_files = filter(lambda x: x.endswith('.txt'), os.listdir(the_dir))

【讨论】：

如果你想让 all_txt_files 成为一个列表：all_txt_files = list(filter(lambda x: x.endswith('.txt'), os.listdir(the_dir)))

【参考方案13】：

以 Pythonic 方式将 'dataPath' 文件夹中的所有 '.txt' 文件名作为列表获取：

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

【参考方案14】：

我做了一个测试（Python 3.6.4，W7x64），看看哪个解决方案对于一个文件夹（没有子目录）最快，以获取具有特定扩展名的文件的完整文件路径列表。

简而言之，对于这个任务，os.listdir() 是最快的，是次优的 1.7 倍：os.walk()（稍作休息！），是 pathlib 的 2.7 倍，快 3.2 倍比 os.scandir() 快​​ 3.3 倍于 glob。 请记住，当您需要递归结果时，这些结果会发生变化。如果您在下面复制/粘贴一种方法，请添加 .lower() 否则搜索 .ext 时将找不到 .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))

结果：

# Python 3.6.4
0.431
0.515
0.161
0.548
0.537
0.274

【讨论】：

Python 3.6.5 文档指出：os.scandir() 函数返回目录条目以及文件属性信息，在许多常见用例中提供更好的性能 [ 比 os.listdir() ]。

我错过了这个测试的缩放范围你在这个测试中使用了多少个文件？如果您放大/缩小数字，它们如何比较？

【参考方案15】：

import os
import sys 

if len(sys.argv)==2:
    print('no params')
    sys.exit(1)

dir = sys.argv[1]
mask= sys.argv[2]

files = os.listdir(dir); 

res = filter(lambda x: x.endswith(mask), files); 

print res

【参考方案16】：

要从同一目录中名为“data”的文件夹中获取“.txt”文件名数组，我通常使用以下简单的代码行：

import os
fileNames = [fileName for fileName in os.listdir("data") if fileName.endswith(".txt")]

【参考方案17】：

这段代码让我的生活更简单。

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)

【参考方案18】：

使用 fnmatch：https://docs.python.org/2/library/fnmatch.html

import fnmatch
import os

for file in os.listdir('.'):
    if fnmatch.fnmatch(file, '*.txt'):
        print file

【参考方案19】：

我建议你使用fnmatch 和上面的方法。通过这种方式，您可以找到以下任何一项：

姓名。txt; 姓名。TXT; 姓名。文本

.

import fnmatch
import os

    for file in os.listdir("/Users/Johnny/Desktop/MyTXTfolder"):
        if fnmatch.fnmatch(file.upper(), '*.TXT'):
            print(file)

【参考方案20】：

这是一个extend()

types = ('*.jpg', '*.png')
images_list = []
for files in types:
    images_list.extend(glob.glob(os.path.join(path, files)))

【讨论】：

不适用于.txt :)

【参考方案21】：

类似于 ghostdog 的复制粘贴解决方案：

def get_all_filepaths(root_path, ext):
    """
    Search all files which have a given extension within root_path.

    This ignores the case of the extension and searches subdirectories, too.

    Parameters
    ----------
    root_path : str
    ext : str

    Returns
    -------
    list of str

    Examples
    --------
    >>> get_all_filepaths('/run', '.lock')
    ['/run/unattended-upgrades.lock',
     '/run/mlocate.daily.lock',
     '/run/xtables.lock',
     '/run/mysqld/mysqld.sock.lock',
     '/run/postgresql/.s.PGSQL.5432.lock',
     '/run/network/.ifstate.lock',
     '/run/lock/asound.state.lock']
    """
    import os
    all_files = []
    for root, dirs, files in os.walk(root_path):
        for filename in files:
            if filename.lower().endswith(ext):
                all_files.append(os.path.join(root, filename))
    return all_files

您还可以使用yield 创建生成器，从而避免组装完整列表：

def get_all_filepaths(root_path, ext):
    import os
    for root, dirs, files in os.walk(root_path):
        for filename in files:
            if filename.lower().endswith(ext):
                yield os.path.join(root, filename)

【讨论】：

@ghostdog 答案中的主要缺陷是区分大小写。在许多情况下，此处使用lower() 至关重要。谢谢！但我猜 doctest 行不通，对在许多情况下，使用yield 的解决方案也可能会更好。

@nealmcb 我不知道如何为使用本地文件系统的函数编写简短的文档测试? 对我来说，文档字符串的主要目的是与人类交流。如果文档字符串有助于理解函数在做什么，那么它就是一个很好的文档字符串。

关于产量：是的，这肯定是个好主意！调整它以使用yield 是微不足道的。我想让答案对初学者友好，这意味着避免屈服......也许我稍后会添加它?

【参考方案22】：

带有子目录的功能解决方案：

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"))))

【讨论】：

你想长期维护这段代码吗？

【参考方案23】：

如果文件夹包含大量文件或内存受限，请考虑使用生成器：

def yield_files_with_extensions(folder_path, file_extension):
   for _, _, files in os.walk(folder_path):
       for file in files:
           if file.endswith(file_extension):
               yield file

选项 A：迭代

for f in yield_files_with_extensions('.', '.txt'): 
    print(f)

选项 B：全部获取

files = [f for f in yield_files_with_extensions('.', '.txt')]

【参考方案24】：

使用 Python OS 模块查找具有特定扩展名的文件。

简单的例子在这里：

import os

# This is the path where you want to search
path = r'd:'  

# this is extension you want to detect
extension = '.txt'   # this can be : .jpg  .png  .xls  .log .....

for root, dirs_list, files_list in os.walk(path):
    for file_name in files_list:
        if os.path.splitext(file_name)[-1] == extension:
            file_name_path = os.path.join(root, file_name)
            print file_name
            print file_name_path   # This is the full path of the filter file

【参考方案25】：

许多用户回复了os.walk 答案，其中包括所有文件，还包括所有目录和子目录及其文件。

import os


def files_in_dir(path, extension=''):
    """
       Generator: yields all of the files in <path> ending with
       <extension>

       \param   path       Absolute or relative path to inspect,
       \param   extension  [optional] Only yield files matching this,

       \yield              [filenames]
    """


    for _, dirs, files in os.walk(path):
        dirs[:] = []  # do not recurse directories.
        yield from [f for f in files if f.endswith(extension)]

# Example: print all the .py files in './python'
for filename in files_in_dir('./python', '*.py'):
    print("-", filename)

或者在不需要发电机的情况下：

path, ext = "./python", ext = ".py"
for _, _, dirfiles in os.walk(path):
    matches = (f for f in dirfiles if f.endswith(ext))
    break

for filename in matches:
    print("-", filename)

如果您打算将匹配项用于其他内容，您可能希望将其设为列表而不是生成器表达式：

    matches = [f for f in dirfiles if f.endswith(ext)]

【参考方案26】：

使用for循环的简单方法：

import os

dir = ["e","x","e"]

p = os.listdir('E:')  #path

for n in range(len(p)):
   name = p[n]
   myfile = [name[-3],name[-2],name[-1]]  #for .txt
   if myfile == dir :
      print(name)
   else:
      print("nops")

虽然这可以更概括。

【讨论】：

非常 检查扩展的非pythonic方式。也不安全。如果名字太短怎么办？为什么使用字符列表而不是字符串？

你想做什么？

您还破坏了分配列表而不是分配列表的内置函数 dir。