[work] python 文件夹遍历

最新推荐文章于 2022-04-18 11:02:08 发布
最新推荐文章于 2022-04-18 11:02:08 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Scythe666/article/details/104253718
版权
本文介绍了Python中遍历目录树的基本方法，包括自顶向下和自底向上的遍历方式，以及如何选择性地跳过子目录。通过示例代码展示了`os.walk()`函数的使用，帮助理解如何处理目录和文件。
摘要由CSDN通过智能技术生成

Last Updated: Wednesday 14th August 2013

When you use a scripting language like Python, one thing you will find yourself doing over and over again is walking a directory tree, and processing files. While there are many ways to do this, Python offers a built-in function that makes this process a breeze.

Basic Python Directory Traversal

Here's a really simple example that walks a directory tree, printing out the name of each directory and the files contained:

 

</

1

2

3

4

5

6

7

8

9

# Import the os module, for the os.walk function

import os

 

# Set the directory you want to start from

rootDir = '.'

for dirName, subdirList, fileList in os.walk(rootDir):

    print('Found directory: %s' % dirName)

    for fname in fileList:

        print('\t%s' % fname)
最低0.47元/天 解锁文章
This is bill
关注
专栏目录
python3遍历文件夹下文件
Ferey的博客
05-04 3411
import os work_dir = "data/" for parent, dirnames, filenames in os.walk(work_dir): for filename in filenames: file_path = os.path.join(parent, filename) # 得到文件的绝对/相对路径 重点在 os.wa...
work——python下载文件
weixin_38217714的博客
04-07 268
老大让我随意写一个练练手，读取excel表格中的链接，然后批量下载apk。 （1）urlretrieve函数。 第一个参数是url，第二个参数是存放路径，第三个参数reporthook是一个回调函数，可以利用这个参数显示下载进度，第四个参数data 指 post 到服务器的数据，该方法返回一个包含两个元素的(filename, headers)元组，filename 表示保存到本地的路
Workfolder工作文件夹 (一）
weixin_34194702的博客
09-17 2102
配置 -Workfolder -ADFS配置包括以下： 安装操作系统. 配置 TCP/IP. 安装Hyper-v 在 -Workfolder安装操作系统 在 -Workfolder上安装操作系统 1.使用Windows Server 2012 Dat...
Python学习（九）IO 编程 —— 文件夹及文件操作
weixin_30266829的博客
04-29 460
Python 文件夹及文件操作 　　 　　　　我们经常会与文件和目录打交道，对于这些操作，python可以使用 os 及 shutill 模块，其中包含了很多操作文件和目录的函数。 　　　　os 可以执行简单的文件夹及文件操作，引入用 import os，可用help(os) 或是dir(os) 查看其用法。注意有些函数在os模块中，有的是在os.path模块中。 　　　　...
Python 遍历一个目录，输出所有的文件名
HeatDeath的博客
03-12 1万+
import os def get_log_path_dict(): log_path = "/home/logs" for root, dirs, files in os.walk(log_path): log_path_dict = dict() for dir_name in dirs: dir_path = os.p...
【正则表达式】从字符串中提取数字
热门推荐
蛮三刀酱
07-28 8万+
使用正则表达式，用法如下： ## 总结 ## ^ 匹配字符串的开始。 ## $ 匹配字符串的结尾。 ## \b 匹配一个单词的边界。 ## \d 匹配任意数字。 ## \D 匹配任意非数字字符。 ## x? 匹配一个可选的 x 字符 (换言之，它匹配 1 次或者 0 次 x 字符)。 ## x* 匹配0次或者多次 x 字符。 ## x+ 匹配1次或者多次 x 字符。 ## x{n,m} 匹配 x
python遍历文件夹
doubleintfloat的博客
04-18 4615
# coding=utf-8 import MySQLdb import csv import random import pymysql import pandas as pd import MySQLdb as mdb import sys import time import os import numpy as np import time import gzip import datetime def walkdir(file): for root, dirs, fil
[work] Python 递归遍历文件夹
This is bill的专属博客
01-07 415
import os def get_log_path_dict(): log_path = "/home/logs" for root, dirs, files in os.walk(log_path): log_path_dict = dict() for dir_name in dirs: dir_path = os....
python循环遍历word,Python遍历文件写入word
weixin_32264185的博客
03-26 1307
最近腾讯开放平台上架管理的比较严，需要软件著作权，申请软件著作权又需要五万行项目代码，想想就头大，正好最近在学习Python，好歹也是个程序员，这种重复性的工作，当然是要用程序解决咯，就写了一个遍历项目包下java文件并写入一个word文件的小脚本，脚本很简单，一个Python熟手应该不到二十分钟就能写完，但是自己写了快一个上午，所以在这里把自己的思考问题解决问题的整个过程记录下来，方便自己回顾复...
Python实现递归遍历文件夹并删除文件
09-21
### Python 实现递归遍历文件夹并删除文件 #### 方法一：递归删除特定文件夹（如 .svn） 在本方法中，我们利用Python的标准库`os`和`shutil`来递归地遍历文件夹并删除指定的文件夹（例如`.svn`文件夹）。这种做法...
基于深度学习的行人分类.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
机械制造工艺学课程设计手柄座设计“手柄座”零件的机械加工工艺规程及工艺装备.doc
09-21
机械制造工艺学课程设计手柄座设计“手柄座”零件的机械加工工艺规程及工艺装备.doc
电子设计论文通用红外遥控开关电子设计论文通用红外遥控开关
09-21
电子设计论文通用红外遥控开关电子设计论文通用红外遥控开关
软考-信息管理师考试知识汇总思维导图
09-21
软考--信息管理师考试知识汇总思维导图，包含项目十大管理领域知识点汇总提取，项目整合管理、项目范围管理、项目时间管理、项目成本管理、项目质量管理、项目人力资源管理、项目沟通管理、项目风险管理、项目采购管理、项目干系人管理等章节所有知识点通过思维导图的形式汇总出来，看图就理解本章所有的知识块以及他们之间的联系。归纳总结，帮助考试复习记忆，加深对 本章节内容的理解。适合时间少，没时间完整看完教材的人，在段时间内帮助理解记性，是考试前冲刺的好帮手。软考高级越来越难考了，为了方便大家能考过，希望大家早点准备，好好考复习资料，多看，多想，多记忆，多思考，多归纳总结。
STM32F103C8T6+CUBEMX+AHT20+中断(DMA)+BT04蓝牙
最新发布
09-21
STM32F103C8T6+CUBEMX+AHT20+中断(DMA)+BT04蓝牙
基于 PyTorch 的 3D 计算机视觉处理库.zip
09-21
基于 PyTorch 的 3D 计算机视觉处理库.zip
利用Gpg4win来打造一个安全的加密文件_51CTO博客_.zip
09-21
利用Gpg4win来打造一个安全的加密文件_51CTO博客_.zip
一个基于DirectX的程序捕获程序，结合Darknet yolo深度学习框架进行模型训练与对象识别。.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
写一个Python函数, 参数为path_work,遍历path_work,将path_work下所有子文件夹中的所有文件后缀最前添加j(如jpg文件后缀改为jjpg,txt文件后缀改为jtxt) 再写另一个函数, 参数为path_work,遍历path_work,将path_work下所有子文件夹中的所有文件后缀最前去除j(如jjpg文件后缀改为jpg,jtxt文件后缀改为txt)
04-20
好的，这是一个比较简单的问题，我可以帮你解决。以下是 Python 代码： ```python import os def add_j_suffix(path_work): """ 遍历path_work下所有文件夹中的文件，将文件名后缀最前添加j """ for parent, dirnames, filenames in os.walk(path_work): for filename in filenames: # 获取文件名和后缀名 basename, ext = os.path.splitext(filename) # 判断是否已经添加了j前缀 if not basename.startswith('j'): # 添加前缀j new_basename = 'j' + basename new_filename = new_basename + ext old_file_path = os.path.join(parent, filename) new_file_path = os.path.join(parent, new_filename) # 将文件重命名 os.rename(old_file_path, new_file_path) def remove_j_suffix(path_work): """ 遍历path_work下所有文件夹中的文件，将文件名后缀最前的j去除 """ for parent, dirnames, filenames in os.walk(path_work): for filename in filenames: # 获取文件名和后缀名 basename, ext = os.path.splitext(filename) # 判断是否有j前缀 if basename.startswith('j'): # 去除前缀j new_basename = basename[1:] new_filename = new_basename + ext old_file_path = os.path.join(parent, filename) new_file_path = os.path.join(parent, new_filename) # 将文件重命名 os.rename(old_file_path, new_file_path) ``` 你可以通过调用 `add_j_suffix` 和 `remove_j_suffix` 函数来实现对文件名后缀的修改，其中参数 `path_work` 指定需要遍历的文件夹路径。注意，这个代码只是对文件名进行修改，不会修改文件内容。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值