Python--glob一个不错的查找目录及文件的库

简介: Python--glob一个不错的查找目录及文件的库

使用glob模块能够快速查找我们想要的目录和文件。当然OS也可以完成这样的操作。

*:匹配0个或多个字符;    

**:匹配所有文件、目录、子目录和子目录里的文件(3.5版本新增);

?:代匹配一个字符;

[]:匹配指定范围内的字符,如[0-9]匹配数字,[a-z]匹配小写字母;

主要函数

glob.glob():返回符合匹配条件的所有文件的路径;

glob.iglob():返回一个迭代器对象,需要循环遍历获取每个元素,得到的也是符合匹配条件的所有文件的路径;

glob.escape():escape可以忽略所有的特殊字符,就是星号、问号、中括号,用处不大; recursive=False:代表递归调用,与特殊通配符“**”一同使用,默认为False,False表示不递归调用,True表示递归调用;

例子

import glob
print(glob.glob('*'))   # 匹配当前路径下所有的文件及文件夹,并返回列表
print(glob.glob('*.*')) # 匹配当前路径下所有带.的文件
print(glob.glob('*.py'))    # 匹配当前路径下所有的.py文件
print(glob.glob('hh?'))     # 匹配hh开头并后面紧跟一个字符的文件夹
print(glob.glob('hh1[2]'))  # 匹配hh1开头且后面紧跟数字2的文件夹
['11.tml', 'config,toml', 'config.ini', 'config.json', 'config.yaml', 'config1.csv', 'csv_read.py', 'glob_.py', 'hh12', 'hh_', 'log.txt', 'test_one.py', 'toml_read.py', 'Yaml_read.py', '__pycache__', '作用域.py', '闭包.py']
['11.tml', 'config.ini', 'config.json', 'config.yaml', 'config1.csv', 'csv_read.py', 'glob_.py', 'log.txt', 'test_one.py', 'toml_read.py', 'Yaml_read.py', '作用域.py', '闭包.py']
['csv_read.py', 'glob_.py', 'test_one.py', 'toml_read.py', 'Yaml_read.py', '作用域.py', '闭包.py']
['hh_']
['hh12']

当然也可以是绝对路径亦或者自己写定的先对路径:

import glob
print(glob.glob('../lib/*'))
"""
['../lib\\chromedriver.exe', '../lib\\geckodriver.exe', '../lib\\IEDriverServer.exe']
"""

recursive参数

import glob
print(glob.glob("**"))
print(glob.glob("**",recursive=True))
"""
['11.tml', 'config,toml', 'config.ini', 'config.json', 'config.yaml', 'config1.csv', 'csv_read.py', 'glob_.py', 'hh12', 'hh_', 'log.txt', 'test_one.py', 'toml_read.py', 'Yaml_read.py', '__pycache__', '作用域.py', '闭包.py']
['11.tml', 'config,toml', 'config.ini', 'config.json', 'config.yaml', 'config1.csv', 'csv_read.py', 'glob_.py', 'hh12', 'hh_', 'log.txt', 'test_one.py', 'toml_read.py', 'Yaml_read.py', '__pycache__', '__pycache__\\test_one.cpython-39-pytest-7.1.3.pyc', '__pycache__\\toml_read.cpython-39.pyc', '作用域.py', '闭包.py']
"""

总体上没有太大的区别,细微的区别体现!**搭配recursive且为True的时候可以将子文件夹中的文件夹中的文件都匹配出来。

与OS模块比较

import os
for dirpath,dirname,filename in os.walk('.'):
    for name in filename:
        if 'con' in name:
            filepath = os.path.join(dirpath,name)
            print(filepath)
"""
.\config,toml
.\config.ini
.\config.json
.\config.yaml
.\config1.csv
"""
import glob
for i in glob.glob(r'.\con*',recursive=True):
    print(i)
"""
.\config,toml
.\config.ini
.\config.json
.\config.yaml
.\config1.csv
"""

至于优劣,此处不做评价,此处就代码量上说,glob是比较简短的。区别就是路径上的一点点小区别,无伤大雅。

iglob

import glob
paths = glob.iglob("*")
print(paths)
for j in paths:
    print(j)

warning 它返回一个生成器,所以需要使用循环进行取值操作。其作用与glob.glob类似。

目录
相关文章
|
9月前
|
数据可视化 Linux iOS开发
Python脚本转EXE文件实战指南:从原理到操作全解析
本教程详解如何将Python脚本打包为EXE文件,涵盖PyInstaller、auto-py-to-exe和cx_Freeze三种工具,包含实战案例与常见问题解决方案,助你轻松发布独立运行的Python程序。
2111 2
|
9月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
2157 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
9月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
887 0
|
11月前
|
存储 Web App开发 前端开发
Python + Requests库爬取动态Ajax分页数据
Python + Requests库爬取动态Ajax分页数据
|
8月前
|
监控 机器人 编译器
如何将python代码打包成exe文件---PyInstaller打包之神
PyInstaller可将Python程序打包为独立可执行文件,无需用户安装Python环境。它自动分析代码依赖,整合解释器、库及资源,支持一键生成exe,方便分发。使用pip安装后,通过简单命令即可完成打包,适合各类项目部署。
1459 68
|
8月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
836 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
8月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
605 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
10月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
675 18
|
10月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
983 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
10月前
|
数据采集 存储 Web App开发
Python爬虫库性能与选型实战指南:从需求到落地的全链路解析
本文深入解析Python爬虫库的性能与选型策略,涵盖需求分析、技术评估与实战案例,助你构建高效稳定的数据采集系统。
767 0

推荐镜像

更多