使用 glob ** 根据递归参数匹配文件扩展名

Question

我正在尝试使用 glob 模式匹配具有给定扩展名的文件。 glob 函数（来自 glob 模块）有一个参数“recursive”，它似乎应该打开或关闭搜索子目录。但是，我一直无法构建一个 glob 模式，该模式仅在 recursive=False 时才会匹配当前目录中的某个类型的文件，如果 recursive=True 时也会匹配子目录中的文件。

folder='C:\\test'
glob(folder+'**.ext',recursive=True) #fails to find any files
glob(folder+'\\**.ext',recursive=True) #fails to search subfolders
glob(folder+'\\**',recursive=True) #fails to filter by type
glob(folder+'\\**\\*.ext',recursive=False) #searches subfolders when it shouldn't
glob(folder+'**\\*.ext',recursive=True) #fails to search subfolders

根据文档

"**" 将匹配任何文件和零个或多个目录

所以，我希望 ** 表现得像 * ，除了它也匹配斜杠。但是，它没有按预期工作（请参阅上面的前两个示例）。

为什么 ** 没有按预期工作，是否存在与某些文件类型匹配的模式，并且只能使用递归参数打开或关闭递归？

Answer 1

我认为你误解了recursive=True 的含义。它用于允许** 表示搜索子目录到可变深度——glob(folder+'\\**\\*.ext',recursive=True) 将在起始文件夹或其下方的任何位置找到任何*.ext 文件。如果没有recursive=True，** 将以正常方式解释，每个* 表示匹配任意数量的字符不包括\，因此** 将等同于* -- 换句话说，glob(folder+'\\**\\*.ext',recursive=False) 将搜索任何位于起始文件夹下一层子目录的*.ext 文件，但不在起始文件夹本身或更深的子目录中。

您应该使用哪一个将取决于您要查找的内容——而且确实可能​​需要使用if 语句在不同的情况下进行选择——但没有使用@ 的用例987654334@ 和 recursive=False，因为在这种情况下，它只相当于 *。

最可能有用的选项是：

glob(folder+'\\*.ext',recursive=False)  # search in top folder only
glob(folder+'\\*\\*.ext',recursive=False)  # search exactly one level down
glob(folder+'\\**\\*.ext',recursive=True)  # search to arbitrary depth

,recursive=False 可以省略，因为它是默认值。

如果您想在使用布尔选项之间选择两个选项，您总是可以编写自己的包装函数，例如：

def myglob(folder, pattern, subdirs=False):
    if subdirs:
        return glob(f'{folder}\\**\\{pattern}', recursive=True)
    else
        return glob(f'{folder}\\{pattern}')

print(myglob(folder, '*.ext', subdirs=False))
print(myglob(folder, '*.ext', subdirs=True))
print(myglob(folder, '*.ext'))  # same as subdirs=False in this example

（在类 Unix 操作系统中，请阅读 / 以获取上面的 \。）

Answer 2

glob '**'的操作

glob 源代码可以在here 找到。除了 cmets，'**' 只出现在 _isrecursive 函数中：

def _isrecursive(pattern):
    if isinstance(pattern, bytes):
        return pattern == b'**'
    else:
        return pattern == '**'

因为 _isrecursive 函数使用相等运算符检查“”，所以“”只有在它是整个“模式”时才会按预期运行。 _isrecursive函数在源码中被调用了4次，整个glob调用一次，'basename'调用3次，定义为：

dirname, basename = os.path.split(pathname)

这被称为递归调用，一次从路径中拆分尾部，并且每次，basename 都是斜杠后面的所有内容（技术上是 os.sep，对于 Windows 是 \，对于 POSIX 是 /）。这意味着，为了使 '**' 能够按描述进行操作，它不得与斜杠以外的任何内容相邻。

如果 recursive 未明确设置为 True，则 '**' = '*'+'*' = '*' 因为 '*' 匹配 0 个或多个非斜杠字符。

匹配扩展

由于 '**' 的运作方式，它必须用于表示 glob 的整个级别。由于它代表 0 或更多 个级别，因此 r'folder\**\*.ext' 将 匹配 'folder' 中的文件以及子文件夹。但是，如果没有将 recursive 设置为 true，则此模式将仅匹配第一级子文件夹中的文件。

'**.ext' 将不起作用，因为'**' 并不孤单。这留下了以下选项：

1. 使用不同的库（例如 os.walk、pathlib.glob 等）

2. [f for f in glob(folder+'\\**',recursive=subdirs) if f.endswith('.ext')]

3. glob(folder+('\\**' if subdirs else '')+'\\*.ext, recursive=True)

   或者等价的，

   if recursive:
       glob(folder+'\\**\\*.ext', recursive=True)
   else:
       glob(folder+'\\*.ext')
   

4. glob(folder+'\\..\\**\\*.ext', recursive=subdirs) #not recommended since it will also match files in sibling folders