Python递归算法查找文件 - 完整教程

什么是递归文件查找？

递归文件查找是指通过函数不断调用自身来遍历目录及其子目录的过程。算法从根目录开始，访问所有文件和子目录，对于每个子目录，算法会再次调用自身，直到遍历完整个目录树。

基础递归文件查找实现

使用Python内置的os模块可以轻松实现递归文件查找：

import os

def find_files(directory, pattern=None):
    """
    递归查找目录中所有文件
    :param directory: 要搜索的根目录
    :param pattern: 可选的文件名模式（如'*.txt'）
    :return: 匹配的文件路径列表
    """
    matched_files = []
    
    # 遍历目录中的所有条目
    for entry in os.listdir(directory):
        # 获取条目的完整路径
        full_path = os.path.join(directory, entry)
        
        if os.path.isdir(full_path):
            # 如果是目录，则递归调用
            matched_files.extend(find_files(full_path, pattern))
        else:
            # 如果是文件，检查是否匹配模式
            if pattern is None or fnmatch.fnmatch(entry, pattern):
                matched_files.append(full_path)
    
    return matched_files

# 使用示例：查找当前目录下所有.py文件
python_files = find_files('.', '*.py')
for file in python_files:
    print(file)

使用pathlib的现代方法（Python 3.4+）

Python 3.4引入的pathlib模块提供了更面向对象的文件系统操作方法：

from pathlib import Path

def find_files_pathlib(directory, pattern='*'):
    """
    使用pathlib递归查找文件
    :param directory: 要搜索的根目录
    :param pattern: 文件名模式（如'*.txt'）
    :return: 匹配的文件路径生成器
    """
    path = Path(directory)
    return path.rglob(pattern)

# 使用示例：查找所有Markdown文件
markdown_files = find_files_pathlib('.', '*.md')
for file in markdown_files:
    print(file)

递归查找的高级技巧

1. 查找特定大小的文件

def find_large_files(directory, min_size_mb=10):
    """
    查找大于指定大小的文件
    :param directory: 搜索根目录
    :param min_size_mb: 最小文件大小（MB）
    :return: 符合条件的文件列表
    """
    min_size = min_size_mb * 1024 * 1024  # 转换为字节
    large_files = []
    
    for root, dirs, files in os.walk(directory):
        for file in files:
            file_path = os.path.join(root, file)
            try:
                file_size = os.path.getsize(file_path)
                if file_size > min_size:
                    large_files.append((file_path, file_size))
            except OSError:
                continue  # 跳过无法访问的文件
    
    return large_files

2. 按修改时间查找文件

import datetime

def find_recent_files(directory, days=7):
    """
    查找最近修改过的文件
    :param directory: 搜索根目录
    :param days: 多少天内修改过
    :return: 符合条件的文件列表
    """
    cutoff = datetime.datetime.now() - datetime.timedelta(days=days)
    recent_files = []
    
    for root, dirs, files in os.walk(directory):
        for file in files:
            file_path = os.path.join(root, file)
            try:
                mtime = datetime.datetime.fromtimestamp(os.path.getmtime(file_path))
                if mtime > cutoff:
                    recent_files.append((file_path, mtime))
            except OSError:
                continue
    
    return recent_files

3. 在文件内容中搜索

def find_in_files(directory, search_text, file_pattern='*'):
    """
    在文件中搜索特定文本
    :param directory: 搜索根目录
    :param search_text: 要查找的文本
    :param file_pattern: 文件模式（如'*.txt'）
    :return: 包含搜索文本的文件列表
    """
    matching_files = []
    
    for root, dirs, files in os.walk(directory):
        for file in files:
            if fnmatch.fnmatch(file, file_pattern):
                file_path = os.path.join(root, file)
                try:
                    with open(file_path, 'r', encoding='utf-8', errors='ignore') as f:
                        if search_text in f.read():
                            matching_files.append(file_path)
                except (IOError, UnicodeDecodeError):
                    continue
    
    return matching_files

递归查找的注意事项

实际应用场景

完整示例：高级文件搜索工具

import os
import fnmatch
import argparse
from datetime import datetime, timedelta

def advanced_file_search(directory, patterns=None, min_size=None, max_size=None, 
                         modified_days=None, content=None):
    """
    高级文件搜索工具
    :param directory: 搜索根目录
    :param patterns: 文件模式列表（如['*.txt', '*.md']）
    :param min_size: 最小文件大小（字节）
    :param max_size: 最大文件大小（字节）
    :param modified_days: 最近修改天数
    :param content: 文件内容包含的文本
    :return: 匹配的文件路径列表
    """
    matches = []
    cutoff_date = datetime.now() - timedelta(days=modified_days) if modified_days else None
    
    for root, dirs, files in os.walk(directory):
        for file in files:
            file_path = os.path.join(root, file)
            
            try:
                # 检查文件大小
                if min_size is not None or max_size is not None:
                    file_size = os.path.getsize(file_path)
                    if min_size is not None and file_size < min_size:
                        continue
                    if max_size is not None and file_size > max_size:
                        continue
                
                # 检查修改时间
                if cutoff_date:
                    mtime = datetime.fromtimestamp(os.path.getmtime(file_path))
                    if mtime < cutoff_date:
                        continue
                
                # 检查文件名模式
                if patterns and not any(fnmatch.fnmatch(file, pat) for pat in patterns):
                    continue
                
                # 检查文件内容
                if content:
                    try:
                        with open(file_path, 'r', encoding='utf-8', errors='ignore') as f:
                            if content not in f.read():
                                continue
                    except (IOError, UnicodeDecodeError):
                        continue
                
                matches.append(file_path)
                
            except OSError:
                continue
    
    return matches

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="高级文件搜索工具")
    parser.add_argument("directory", help="搜索目录")
    parser.add_argument("-p", "--pattern", action="append", help="文件模式（如'*.txt'）")
    parser.add_argument("--min-size", type=int, help="最小文件大小（字节）")
    parser.add_argument("--max-size", type=int, help="最大文件大小（字节）")
    parser.add_argument("--modified", type=int, help="最近修改天数")
    parser.add_argument("--content", help="文件内容包含的文本")
    
    args = parser.parse_args()
    
    results = advanced_file_search(
        args.directory,
        patterns=args.pattern,
        min_size=args.min_size,
        max_size=args.max_size,
        modified_days=args.modified,
        content=args.content
    )
    
    for result in results:
        print(result)

总结