Python使用递归+遍历读取文件夹下所有docx文件

思路

首先遍历父文件夹下所有内容，如果内容是文件+【其他条件，如读取PDF，Excel】则直接读取，不是文件则递归重复上一步操作。

文件夹结构

话不多说，上菜！先给大家展示一下文件结构如下：

实现代码如下：

print(os.getcwd().rsplit('\\')[-1])
for i in os.listdir(os.getcwd()):
    if os.path.isdir(i):
        print('\t{}'.format(i))
        for file in os.listdir(i):
            print('\t\t',file)
    else:
        print(i)

递归+遍历读取想要的文件

用一个dataframe记录，文件名和对应内容，最终结果如下：

对应代码如下：

import os
import docx
import pandas as pd

def read_word(cur_dir):
    for sub_file in os.listdir(cur_dir):
    	# 遍历该文件夹下所有内容，可能有各自文件或者文件夹
        sub_file_abs_path = os.path.join(cur_dir, sub_file)  # 拼为完整路径，方便后面使用
        if os.path.isfile(sub_file_abs_path):
            # 判断是否为文件, 如果是文件，拼接完整path
            file_path = os.path.join(cur_dir, sub_file)
            if file_path.rsplit('.')[-1] == 'docx':
                # 判断是否是docx文件
                fp = docx.Document(file_path)
                content = ""
                for p in fp.paragraphs:
                    content += p.text
                data.loc[len(data)] = [file_path.rsplit('\\')[-1], content]
        else:
            sub_folder_path = os.path.join(cur_dir, sub_file)
            read_word(sub_folder_path)

友情提示：博主也是学习路上的一员，代码可能不是最优最简洁，但亲测有效。如果读者觉得有帮助则借鉴，可以完善的地方希望能多多指教一起学习。思路来源感谢Allan。