一文弄懂 Python os.walk()，轻松搞定文件处理和目录遍历

🍉 CSDN 叶庭云：https://yetingyun.blog.csdn.net/

Python os 模块的 walk() 方法以自顶向下或自底向上的方式遍历指定的目录树，从而显示目录树中的文件名。对于目录树中的每个目录，os.walk() 方法都会产生一个包含目录路径、当前目录下的子目录列表和文件名的三元组。

当您使用 Python 进行文件处理和目录遍历时，os.walk() 是一个非常有用的函数。这个函数允许您以递归的方式遍历一个目录树，获取关于目录结构的信息，包括其子目录和文件。接下来，我将详细解释 os.walk() 的工作原理以及如何使用它。

本文的思维导图如下所示：

os.walk() 的基本工作原理

os.walk(top, topdown=True, onerror=None, followlinks=False) 是 os 模块中的一个函数，用于生成遍历目录树的文件名。这个函数返回一个三元组 (dirpath, dirnames, filenames)。

• dirpath 是一个字符串，表示正在遍历的目录的路径。
• dirnames 是一个列表，包含了 dirpath 下所有子目录的名字。
• filenames 是一个列表，包含了非目录文件的名字。

  参数详解

  1. top：要遍历的顶级目录的路径。
  2. topdown (可选)：如果为 True（默认值），则从顶级开始向下遍历。如果为 False，则从底部的子目录开始向上遍历。
  3. onerror (可选)：是一个函数，用于错误处理。如果指定，则应该是一个接受单个参数（异常实例）的函数。如果未指定或为 None，错误将被忽略。
  4. followlinks (可选)：如果为 True，则会遍历符号链接指向的目录。

  使用示例

  假设我们有以下目录结构：

  my_project/
  ├── main.py
  ├── module1
  │   ├── __init__.py
  │   └── utils.py
  └── module2
      ├── __init__.py
      └── helper.py
  

  我们想要遍历 my_project 目录并打印出其结构：

  import os
  # 指定顶级目录路径
  top_path = 'my_project'
  # 使用 os.walk() 遍历目录
  for dirpath, dirnames, filenames in os.walk(top_path):
      print(f"当前目录: {dirpath}")
      print("子目录:")
      for dirname in dirnames:
          print(f"  {dirname}")
      print("文件:")
      for filename in filenames:
          print(f"  {filename}")
      print("-" * 20)        # 打印分隔线以区分不同的目录
  

  输出结果将是：

  当前目录: my_project
  子目录:
    module1
    module2
  文件:
    main.py
  --------------------
  当前目录: my_project/module1
  子目录: []
  文件:
    __init__.py
    utils.py
  --------------------
  当前目录: my_project/module2
  子目录: []
  文件:
    __init__.py
    helper.py
  --------------------
  

  通过上面这个简单例子，您可以看到 os.walk() 如何能够帮助我们递归地遍历整个 my_project 目录树，并且获取每个目录中的文件和子目录列表。

  总结与讨论

  os.walk() 函数是 Python 中用于遍历目录树的一个非常实用的工具。这个函数会生成目录树中的文件名，通过在目录树中游走（walk）来完成这一任务。接下来，我们将探讨 os.walk() 实际上是深度优先搜索（DFS）还是广度优先搜索（BFS）。

  深度优先搜索（DFS）与广度优先搜索（BFS）：

  • DFS 是一种从根节点开始，沿着一条路径尽可能深地探索，直到到达叶子节点或无法继续为止，然后回溯到前一个节点，继续探索其他路径的算法。操作步骤：从根节点开始，访问一个未访问的邻居节点，然后递归地访问这个邻居节点的未访问邻居节点。当所有邻居节点都已访问或没有未访问的邻居节点时，回溯到上一个节点。优点：空间效率高，适用于路径和配置问题；缺点：时间复杂度可能高，可能不会找到最短路径。
  • BFS 是一种从根节点开始，先访问所有直接相连的邻居节点，然后访问这些邻居节点的所有邻居节点，以此类推，直到访问完所有可达节点或达到目标节点。操作步骤：使用队列存储待访问的节点，首先将根节点入队，然后从队列中取出队首节点进行访问，并将其未访问的邻居节点入队。重复这个过程，直到队列为空或找到目标节点。优点：适用于求源点与目标节点距离近的情况，如最短路径问题；缺点：可能需要较大的内存空间来存储队列中的节点。

    DFS 与 BFS 的区别：

    • 数据结构：DFS 通常使用栈作为辅助数据结构，而 BFS 使用队列。
    • 访问节点的方式：DFS 是深度优先，先访问一条路径到底，然后回溯；BFS 是广度优先，先访问所有直接相连的节点。
    • 应用：DFS 适合求解一个任意符合方案中的一个或者遍历所有情况，如全排列、拓扑排序；BFS 适合求最短路径或最小步数的情况。

      默认情况下，os.walk() 采用自顶向下的方式遍历目录树，可以认为这种方式较类似于深度优先搜索（DFS）。在自顶向下模式下，对于每个目录，它会首先返回该目录中的文件和子目录列表，然后递归进入子目录。os.walk() 实质上是以深度优先搜索（DFS）策略来遍历文件系统的目录树。无论是在默认的自顶向下模式还是可选的自底向上模式中，它都首选深入每个分支直到末端再回溯到其他分支。

      ---

      📚️ 相关链接：

      • os.walk() 的详细理解（秒懂）

      • AI 搜索 - 对 os.walk() 的基本原理和功能进行全面而透彻的调研