python 文件匹配工具:glob/pathlib¶

0 背景¶

文件匹配是编程中常见的需求，特别是在处理大量数据文件时。在数据分析和科学计算中，经常需要从大量数据文件中筛选出特定类型或格式的文件; 在系统管理和日志分析中，定期搜索、归档或删除特定模式的日志文件; 在项目管理 & 软件开发中，有时候我们需要查找特定类型的源代码文件、配置文件或文档。

Python 提供了多种方式来处理文件和目录，其中 glob.glob() 模块和 pathlib 库的 Path.glob() 方法是两种常用的文件模式匹配工具。

glob 模块¶

glob 是python自带的一个模块, glob 模块提供了一个函数 glob()，用于根据指定的模式匹配文件路径。这种模式匹配类似于 Unix shell 中的文件匹配规则。例如，使用 *.txt 可以匹配所有的文本文件。glob 模块特别适合用在需要文件名匹配而不需要遍历目录的场景。

pathlib 模块¶

pathlib是python自带的更具现代化的系统文件目录路径处理库, 在之前的推文中我们系统性地提到了pathlib模块的用法, Path.glob() 方法提供了类似于 glob.glob() 的功能，但与此同时，它以面向对象的方式工作，使得路径处理更加直观和灵活。

下面我们也来系统介绍一些常用的用法。

1 使用¶

1 glob¶

首先导入包,

import glob

列举出当前目录下所有的pdf文件:

for file in glob.glob("*.pdf"):
    print(file)

在上面我们使用了一个通配符*, 有以下的一些通配符可以供我们使用:

* 代表任何数量的字符。例如，*.txt 会匹配所有以 .txt 结尾的文件。
? 代表任何单个字符。例如，?.txt 会匹配所有单个字符后跟 .txt 的文件。
[chars] 匹配方括号中的任何字符。例如，[a-c].txt 会匹配 a.txt, b.txt, 和 c.txt。

其实这些通配符, 在许多软件, 编程语言中都很通用.

当然, 有时候我们不仅需要搜索一个目录下面的文件, 我们更需要递归的搜索特定类型的文件.

比如我们需要搜索我们微信路径下所有的pdf文件.

微信文件的默认路径是%Documents%/WeChat Files/%User%/FileStorage/File

import glob

wechat_file_mode = 'E:/files/Documents/WeChat Files/orange/FileStorage/File/**/*.pdf'

for file in glob.glob(wechat_file_mode, recursive=True):
    print(file)

2 pathlib¶

首先导入包

from pathlib import Path

递归列举出, 微信路径下所有的pdf文件.

wechat_file_dir = Path('E:/files/Documents/WeChat Files/orange/FileStorage/File/')

for file in wechat_file_dir.glob('**/*.pdf'):
    print(file)

或者

for file in wechat_file_dir.rglob('*.pdf'):
    print(file)

rglob 就是递归匹配的意思.

2 关于¶

欢迎关注我的微信公众号。