Python管理文件神器 os.walk
文章转自：Python编程
有没有想过用python写一个文件管理程序？听起来似乎没思路？其实是可以的，因为Python已经为你准备好了神器os.walk，进来看看吧！
Python中os.walk是一个简单易用的文件、目录遍历器，可以帮助我们高效的处理文件、目录方面的事情。
本文将详细介绍os.walk模块，最后使用os.walk模块实现一个在指定日志整理文件的程序。
1、基本介绍
os.walk()：扫描某个指定目录下所包含的子目录和文件，返回的是一个迭代器。
2、基本使用
假设文件夹data有如下的目录结构(cmd 命令：tree /f)
「2.1扫描所有文件」
扫描内容：
子文件夹和文件
子文件夹下的文件
输出内容：
文件夹名称/文件名称
扫描路径：
自顶向下 topdown=True(默认)
自底向上 topdown=False
from os import walk
path='data'
for curDir, dirs, files in walk(path):
#for curDir, dirs, files in walk(path,topdown=False):
print('现在的目录：' ,curDir)
print('该目录下包含的子目录：' , str(dirs))
print('该目录下包含的文件：',str(files))
print('*'*20)
自顶向下扫描结果：
现在的目录：data该目录下包含的子目录：['testA', 'testB', 'testC']该目录下包含的文件：['2020-07-12 - 第一层.xlsx', '2020-07-13 - 第一层.xlsx', '2020-07-14 - 第一层.xlsx']********************现在的目录：data\testA该目录下包含的子目录：[]该目录下包含的文件：['2020-07-12-A.xlsx', '2020-07-13-A.xlsx', '2020-07-14-A.xlsx']********************现在的目录：data\testB该目录下包含的子目录：[]该目录下包含的文件：['2020-07-12-B.xlsx', '2020-07-13-B.xlsx', '2020-07-14-B.xlsx']********************现在的目录：data\testC该目录下包含的子目录：[]该目录下包含的文件：['2020-07-12-C.xlsx', '2020-07-13-C.xlsx', '2020-07-14-C.xlsx']********************
自底向上扫描结果：
现在的目录：data\testA
该目录下包含的子目录：[]
该目录下包含的文件：['2020-07-12-A.xlsx', '2020-07-13-A.xlsx', '2020-07-14-A.xlsx']
********************
现在的目录：data\testB
该目录下包含的子目录：[]
该目录下包含的文件：['2020-07-12-B.xlsx', '2020-07-13-B.xlsx', '2020-07-14-B.xlsx']
********************
现在的目录：data\testC
该目录下包含的子目录：[]
该目录下包含的文件：['2020-07-12-C.xlsx', '2020-07-13-C.xlsx', '2020-07-14-C.xlsx']
********************
现在的目录：data
该目录下包含的子目录：['testA', 'testB', 'testC']
该目录下包含的文件：['2020-07-12 - 第一层.xlsx', '2020-07-13 - 第一层.xlsx', '2020-07-14 - 第一层.xlsx']
********************
「2.2扫描输出所有文件的路径」
输出所有文件：
import ospath='data'for curDir, dirs, files in os.walk(path): for file in files: print(os.path.join(curDir, file))
data\2020-07-12 - 第一层.xlsx
data\2020-07-13 - 第一层.xlsx
data\2020-07-14 - 第一层.xlsx
data\testA\2020-07-12-A.xlsx
data\testA\2020-07-13-A.xlsx
data\testA\2020-07-14-A.xlsx
data\testB\2020-07-12-B.xlsx
data\testB\2020-07-13-B.xlsx
data\testB\2020-07-14-B.xlsx
data\testC\2020-07-12-C.xlsx
data\testC\2020-07-13-C.xlsx
data\testC\2020-07-14-C.xlsx
输出指定类型文件
#endswith 截取文件后缀import ospath='data'for curDir, dirs, files in os.walk(path): [print(os.path.join(curDir, file)) for file in files if file.endswith('.xlsx')]
「2.3扫描输出所有的子目录（子文件夹）」
# 使用os.walk输出某个目录下的所有文件
import os
path='data'
for curDir, dirs, files in os.walk(path):
for _dir in dirs:
print(os.path.join(curDir, _dir))
data\testAdata\testBdata\testC
「案例代码」
#综合运用os.walk()——文件指定日期整理程序
import pandas as pd
import numpy as np
import os,openpyxl
#移动符合条件文件，并删除二级文件夹和多余文件
def move_file(file_path,_new_path,date_xl_str):
#本月文件移动至对应新建文件夹，非本月文件直接删除
for curDir, dirs, files in os.walk(file_path):
for file in files:
old_path = os.path.join(curDir, file)
new_path = os.path.join(_new_path, file)
file_date=file.split('_')[-1][:10]
try:
os.rename(old_path,new_path) if file_date in date_xl_str else os.remove(old_path)
except:
os.remove(old_path)
#移除子文件夹
for curDir, dirs, files in os.walk(file_path):
for _dir in dirs:
os.removedirs(os.path.join(curDir, _dir))
os.mkdir('data')
#文件去重-相同日期文件
def qch_date(file_path):
wj_names=os.listdir(file_path)
wj_list=[]
num=0
for wj in wj_names:
new_wj=wj[:-11]
if new_wj not in wj_list:
wj_list.append(new_wj)
else:
os.remove(file_path+'\\'+wj)
num+=1
return num
#更新数据源
def refresh_data(file_path,sheet_name,data):
book=openpyxl.load_workbook(file_path)
writer=pd.ExcelWriter(file_path,engine='openpyxl')
#在ExcelWriter的源代码中，它初始化空工作簿并删除所有工作表，
#writer.book = book将原来表里面的内容保存到writer中
writer.book=book
#activate激活指定sheet工作表
ws=book[sheet_name]
#清空当前活动表数据
for row in ws.iter_rows():
for cell in row:
cell.value=None
#dataframe行列数
idx_num,col_num=data.shape
#新数据写入当前活动表-注意索引偏移
for i in range(1,idx_num+1):
for j in range(1,col_num+1):
ws.cell(row=i,column=j).value=data.iloc[i-1,j-1]
#保存关闭writer
writer.save()
writer.close()
return None
#文件检查
def check_file(file_path,check_file='文件检查.xlsx'):
wj_names=os.listdir(file_path)
data=pd.DataFrame([wj.split('_')[2:] for wj in wj_names],columns=['店铺名称','日期'])
data['日期']=data['日期'].str[:10]
#标题columns放到dataframe中
nind=data.index.insert(0,'0')
data1=data.reindex(index=nind)
data1.loc['0']=data.columns
data1.reset_index(drop=True,inplace=True)
#刷新数据源
refresh_data(check_file,'数据源',data1)
return None
file_path='data'
#日期格式：xxxx-xx eg:2020-07-01
start_date=input('请输入开始日期：')
end_date=input('请输入开始日期：')
#生成日期区间-字符串类型
date_xl_str=[str(i)[:10] for i in pd.date_range(start_date,end_date,freq='D')]
#创建指定文件夹
new_path=start_date+'~'+end_date
try:
os.mkdir(new_path)
except:
print('文件夹 【%s】 已存在'%new_path)
#移动符合条件文件，并删除二级文件夹和多余文件
move_file(file_path,new_path,date_xl_str)
#文件去重
num=qch_date(new_path)
print('去除重复文件 %s 个'%num)
#文件检查
check_file(new_path)