找出某目录下前N个最大文件

最近电脑D盘亮“红灯”，可用空间已经不到10个G。想想也没有下载电视剧、电影等，那到底是什么如此占用空间呢？决定写个脚本，查找出TOP N个最大的文件。

写脚本的时候，发现找最大的文件，很容易写出来，但是写前N个最大文件的时候，就发现不那么顺畅（也许是没用对方法）。

先定义一个文件大小排序函数，rank_list初始是一个空的列表，用来存放前N个最大文件的文件大小值；size 是新获取文件的大小；length 默认是3，表示默认查找出当前目录下最大的3个文件。

函数rank（）整体思路为： 当rank_list为空时，会根据length入参生成一个与length长度一致的列表rank_list；当rank_list不为空时，根据算法会将传入的size与 rank_list中的各个值（从小到达）进行比较。若size大于某个值A，则处理列表移除原值A，并用size顶替A值原位置（index）。函数最终返回 rank_list 与 size。若rank_list数据有更新，size为被移除的数值（A）的文件大小（单位byte），否则 size = False。

程序如下：

def rank(rank_list,size,length=3):
    """Return rank_list and size,if size is False then rank_list is not updated, 
    others are updated. Size will be returned which was removed."""
    is_update = False
    if length < 3:
        length = 3
    if not len(rank_list):
        for i in range(length):
            rank_list.append(i)

    for i in range(length):
        each = rank_list[length-1-i]
        if size >= each:
            continue
        # 排除入参size是最小的情况
        elif each != rank_list[-1]:
            rank_list.insert(rank_list.index(each)+1,size)
            size = rank_list.pop(-1)
            return rank_list,size
        # 处理入参size是最小的情况
        else:
            return rank_list,is_update

    # 处理入参size是最大的情况
    rank_list.insert(0,size)
    size = rank_list.pop(-1)
    return rank_list,size

由于用os.path.getsize（）方法返回的文件大小是byte 字节，为了便于读取，使用humanble_size（）函数。如下：

def humanble_size(size):
    """For Readding Easy!"""
    if size > 1024: # Kb
        size /= 1024
        if size > 1024:  # Mb
            size /= 1024
            if size > 1024: # Gb
                size /= 1024
                return str(round(size,2))+"Gb"
            else:
                return str(round(size,2)) + "Mb"
        else:
            return str(round(size,2))+"Kb"

    else:
        return str(round(size,2))+"bytes"

主程序定义了exclusive_dir（不需要去检查的文件目录），rank_list （存放文件大小值），rank_dic（将文件大小与文件所在的绝对路径对应）。通过os.walk（）方法，先移除不需要检查的目录，而后获得当前目录下的各文件与rank_list 中的值大小进行比较，若rank_list 有更新，则设置文件传入的size为键，文件所在的路径为值存于rank_dic ，并删除rand_dic中键为rank()方法返回的size值。最后根据rank_dic 的键值进行排序，输出前Top_N个最大文件的路径与文件大小。
代码如下：

import os,sys
from os.path import join, getsize

if __name__ == "__main__":
    try:
        path = sys.argv[1]
        top_N = sys.argv[2]
    except:
        path = os.getcwd()
        top_N = 10

    exclusive_dir = ["iSeeRobotAdvisor","LightInvesting2","VM INSTALL","VIPSTU"]
    rank_list = list()
    rank_dic = dict()

    # topdown=True 则可更改dirnames列表(删除或者分割列表)，walk方法紧会递归进入仍在dirnames列表中的目录；
    # topdown=False 则无论对dirnames列表如何处理，递归子目录会重新生成，不会改变
    for dirpath, dirnames, filenames in os.walk(top=path,topdown=True):
        for each in exclusive_dir:
            if each in dirnames:
                dirnames.remove(each)
        for name in filenames:
            file = join(dirpath,name)   # 合并成绝对路径
            size = getsize(file)    # 获取文件大小（单位：byte 字节）
            rank_list,removed_size = rank(rank_list=rank_list,size=size,length=int(top_N))
            if removed_size:
                try:
                    rank_dic[size] = file
                    rank_dic.pop(removed_size)
                except:
                    pass

    # 按照字典的key 进行排序
    for key,value in sorted(rank_dic.items(),key=lambda d:d[0],reverse=True):
        print(value, humanble_size(key))

输入命令：

python find_max_size_file.py /d 10

程序执行结果如下：