Question

假设给定的目录树大小合理：比如像Twisted或Python这样的开源项目，那么遍历和遍历该目录中所有文件/目录的绝对路径的最快方法是什么？

我想从Python中做到这一点。 os.path.walk 很慢。所以我尝试了 ls -lR 和 tree -fi 。对于包含大约8337个文件的项目（包括tmp，pyc，test，.svn文件）：

$ time tree -fi > /dev/null 

real    0m0.170s
user    0m0.044s
sys     0m0.123s

$ time ls -lR > /dev/null 

real    0m0.292s
user    0m0.138s
sys     0m0.152s

$ time find . > /dev/null 

real    0m0.074s
user    0m0.017s
sys     0m0.056s
$

tree似乎比ls -lR快（尽管ls -R比tree快，但它没有提供完整路径）。 find是最快的。

有人能想到更快更好的方法吗？在Windows上，如果需要，我可能只是发送一个32位二进制tree.exe或ls.exe。

更新1 ：添加了find

更新2 ：我为什么要这样做？ ...我正在尝试巧妙地替换cd，pushd等...以及依赖于传递路径的其他命令的包装命令（更少，更多，cat，vim，tail）。程序将偶尔使用文件遍历来执行此操作（例如：键入“cd sr grai pat lxml”将自动转换为“cd src / pypm / grail / patches / lxml”）。如果这个替换CD需要半秒才能运行，我将不会感到满意。见http://github.com/srid/pf

Answer 1

即使os.path.walk没有花时间，你在pf中的方法也会毫无希望地缓慢。在所有现存路径上进行包含3个无界闭包的正则表达式匹配将会在那里杀死你。以下是我引用的Kernighan and Pike代码，这是该任务的正确算法：

/* spname:  return correctly spelled filename */
/*
 * spname(oldname, newname)  char *oldname, *newname;
 *  returns -1 if no reasonable match to oldname,
 *           0 if exact match,
 *           1 if corrected.
 *  stores corrected name in newname.
 */

#include <sys/types.h>
#include <sys/dir.h>

spname(oldname, newname)
    char *oldname, *newname;
{
    char *p, guess[DIRSIZ+1], best[DIRSIZ+1];
    char *new = newname, *old = oldname;

    for (;;) {
        while (*old == '/') /* skip slashes */
            *new++ = *old++;
        *new = '\0';
        if (*old == '\0')   /* exact or corrected */
            return strcmp(oldname,newname) != 0;
        p = guess;  /* copy next component into guess */
        for ( ; *old != '/' && *old != '\0'; old++)
            if (p < guess+DIRSIZ)
                *p++ = *old;
        *p = '\0';
        if (mindist(newname, guess, best) >= 3)
            return -1;  /* hopeless */
        for (p = best; *new = *p++; ) /* add to end */
            new++;                    /* of newname */
    }
}

mindist(dir, guess, best)   /* search dir for guess */
    char *dir, *guess, *best;
{
    /* set best, return distance 0..3 */
    int d, nd, fd;
    struct {
        ino_t ino;
        char  name[DIRSIZ+1];   /* 1 more than in dir.h */
    } nbuf;

    nbuf.name[DIRSIZ] = '\0';   /* +1 for terminal '\0' */
    if (dir[0] == '\0')     /* current directory */
        dir = ".";
    d = 3;  /* minimum distance */
    if ((fd=open(dir, 0)) == -1)
        return d;
    while (read(fd,(char *) &nbuf,sizeof(struct direct)) > 0)
        if (nbuf.ino) {
            nd = spdist(nbuf.name, guess);
            if (nd <= d && nd != 3) {
                strcpy(best, nbuf.name);
                d = nd;
                if (d == 0)     /* exact match */
                    break;
            }
        }
    close(fd);
    return d;
}

/* spdist:  return distance between two names */
/*
 *  very rough spelling metric:
 *  0 if the strings are identical
 *  1 if two chars are transposed
 *  2 if one char wrong, added or deleted
 *  3 otherwise
 */

#define EQ(s,t) (strcmp(s,t) == 0)

spdist(s, t)
    char *s, *t;
{
    while (*s++ == *t)
        if (*t++ == '\0')
            return 0;       /* exact match */
    if (*--s) {
        if (*t) {
            if (s[1] && t[1] && *s == t[1] 
              && *t == s[1] && EQ(s+2, t+2))
                return 1;   /* transposition */
            if (EQ(s+1, t+1))
                return 2;   /* 1 char mismatch */
        }
        if (EQ(s+1, t))
            return 2;       /* extra character */
    }
    if (*t && EQ(s, t+1))
        return 2;           /* missing character */
    return 3;
}

注意：这个代码是在ANSI C，ISO C或POSIX之前编写的，当一个读取目录文件为raw时甚至可以想象。代码的方法远比所有指针吊索都有用。

Answer 2

在性能方面很难比find好得多，但问题是速度有多快，为什么你需要这么快？你声称os.path.walk很慢，实际上，它在我的机器上比16k目录的树慢约3倍。但话说回来，我们谈论的是Python的0.68秒和1.9秒之间的差异。

如果设定速度记录是您的目标，那么您无法击败硬编码C，这完全是75％的系统调用限制，您无法使操作系统更快。也就是说，25％的Python时间花在了系统调用上。你想用遍历的路径做什么？

Answer 3

你没有提到的一个解决方案是'os.walk'。我不确定它会比os.path.walk更快，但它客观上更好。

当你拥有目录列表时，你还没有说明你要做什么，所以很难给出更具体的建议。

Answer 4

虽然我怀疑你有多个读头，但这里是你如何遍历几百万个文件（我们在几分钟内完成了10M +）。

https://github.com/hpc/purger/blob/master/src/treewalk/treewalk.c

在Python中遍历目录树的合理更快的方法是什么？

4 个答案: