Python，如何实现类似 .gitignore 的行为

Question

我需要列出当前目录 (.) 中的所有文件（包括所有子目录），并排除一些文件作为 .gitignore 的工作方式 (http://git-scm.com/docs/gitignore)

使用 fnmatch (https://docs.python.org/2/library/fnmatch.html) 我将能够使用模式“过滤”文件

ignore_files = ['*.jpg', 'foo/', 'bar/hello*']
matches = []
for root, dirnames, filenames in os.walk('.'):
  for filename in fnmatch.filter(filenames, '*'):
      matches.append(os.path.join(root, filename))

如何“过滤”并获取与“ignore_files”中的一个或多个元素不匹配的所有文件？

谢谢！

Answer 1

您走在正确的轨道上：如果您想使用fnmatch 样式的模式，您应该使用fnmatch.filter。

但是有三个问题使这不是微不足道的。

首先，您要应用多个过滤器。你是怎样做的？多次拨打filter：

for ignore in ignore_files:
    filenames = fnmatch.filter(filenames, ignore)

其次，您实际上想要对filter 进行逆向：返回不 匹配的名称子集。正如文档所解释的：

与[n for n in names if fnmatch(n, pattern)]相同，但实现效率更高。

因此，相反，您只需输入not：

for ignore in ignore_files:
    filenames = [n for n in filenames if not fnmatch(n, ignore)]

最后，您尝试过滤部分路径名，而不仅仅是文件名，但直到过滤之后您才执行join。所以切换顺序：

filenames = [os.path.join(root, filename) for filename in filenames]
for ignore in ignore_files:
    filenames = [n for n in filenames if not fnmatch(n, ignore)]
matches.extend(filenames)

---

有几种方法可以改善这一点。

您可能希望使用生成器表达式而不是列表推导式（括号而不是方括号），因此，如果您有大量文件名列表，则可以使用惰性管道，而不是浪费时间和空间重复构建庞大的列表。

此外，如果你颠倒循环的顺序，它可能更容易理解，也可能不会更容易理解，如下所示：

filenames = (n for n in filenames 
             if not any(fnmatch(n, ignore) for ignore in ignore_files))

最后，如果您担心性能，您可以在每个表达式上使用fnmatch.translate 将它们转换为等效的正则表达式，然后将它们合并成一个大的正则表达式并编译它，并使用它而不是围绕@987654337 循环@。如果允许您的模式比*.jpg 更复杂，这可能会变得很棘手，除非您确实在这里确定了性能瓶颈，否则我不会推荐它。但是，如果您需要这样做，我已经看到至少一个关于 SO 的问题，其中有人付出了很多努力来敲定所有边缘情况，因此请搜索而不是尝试自己编写。

Answer 2

matches.extend([fn for fn if not filename in ignore_files])

对于简单的文件名应该可以解决问题，对于忽略模式，例如：

def reject(filename, filter):
    """ Takes a filename and a filter to reject files that match."""
    if len(filter)==0:
         return False
    else:
         return fnmatch.fnmach(filename, filter[0]) or reject(filename, filter[1:])

matches.extend([os.path.join(root, fn) for fn in filenames if not reject(fn, ignore_files)])

上面将在从 os.walk 中的文件名构建列表时检查是否没有过滤器提供匹配项 - 检查过滤器直到没有剩余或找到第一个匹配项，所以它应该很快.

你也可以试试：

filenames = set(filenames)  # convert to a set
for filter in ignore_files:
   filenames = filenames - set(fnmatch.filter(filenames, filter)) # remove the matches
matches.extend([os.path.join(root, fn) for fn in filenames])  # Add to matches