Question

我正在编写一个下载到目录树中的脚本（使用os.walk（）），然后访问与特定文件扩展名匹配的每个文件。但是，由于我的工具将使用的一些目录树也包含子目录，而这些子目录又包含 LOT 无用（为了这个脚本的目的）的东西，我认为我＆＃39; d为用户添加一个选项，以指定要从遍历中排除的目录列表。

使用os.walk（）这很容易。毕竟，由我来决定我是否真的想要访问os.walk（）产生的相应文件/目录，或者只是跳过它们。问题是，如果我有一个像这样的目录树：

root--
     |
     --- dirA
     |
     --- dirB
     |
     --- uselessStuff --
                       |
                       --- moreJunk
                       |
                       --- yetMoreJunk

我希望排除 uselessStuff 及其所有子项，os.walk（）仍然会进入 uselessStuff 的所有（可能是数千个）子目录，不用说，减缓了很多事情。在一个理想的世界里，我可以告诉os.walk（）甚至不打扰让 uselessStuff 更多的孩子，但据我所知，没有办法做到这一点（是吗？）。

有没有人有想法？也许有第三方库提供类似的东西？

Answer 1

修改dirs 就地将修剪os.walk访问过的（后续）文件和目录：

# exclude = set([...])
for root, dirs, files in os.walk(top, topdown=True):
    dirs[:] = [d for d in dirs if d not in exclude]

来自帮助（os.walk）：

当topdown为true时，调用者可以就地修改dirnames列表（例如，通过del或slice赋值），walk将只递归到名称保留在dirnames中的子目录;这可以用来修剪搜索...

Answer 2

... @ unutbu的另一种形式的优秀答案，直接读取更多，因为意图是排除目录，代价为O（n ** 2）vs O （n）时间。

（正确执行需要使用list(dirs)制作dirs列表的副本）

# exclude = set([...])
for root, dirs, files in os.walk(top, topdown=True):
    [dirs.remove(d) for d in list(dirs) if d in exclude]

在os.walk中排除目录

2 个答案: