如何遍历具有多个文件夹的目录中的文件，对文件进行操作，保存到不同的文件夹集

Question

我想迭代目录中所有文件夹中的pdf文件，对这些文件进行操作（提取文本，保存为.txt），然后将所有txt保存到具有相同名称但位于不同目录中的不同文件夹集。该函数按预期执行，但不与子文件夹一起执行。我知道有os.walk但是在这里如何使用它是不稳定的。如果我有没有子文件夹的所有文件，该函数有效;它写入所需的目录。但我需要遍历文件夹，保存到其他目录中的那些文件夹。

找到一个目录中的文件，操作，保存到另一个目录。尝试os.walk但没有成功合并文件夹结构。

文件夹结构基本上是path / folder1 ... folderN

有30K +文件，所以要保留文件夹系统。

def convertall(pdfDir, txtDir):
    if pdfDir == "": pdfDir = os.walk(path) + "\\" 
    for pdf in os.listdir(pdfDir):     --- tried os.walk here too; 
        fileExtension = pdf.split(".")[-1]
        if fileExtension == "pdf":
            pdfFilename = pdfDir + pdf 
            text = convert(pdfFilename)
            textFilename = txtDir + pdf + ".txt"
            textFile = open(textFilename, "w") 
            textFile.write(text)     

pdfDir = pdfpath
txtDir = txtpath   
convertall(pdfDir)

计划为各种操作做这个，所以希望学习一些通用的解决方案。

Answer 1

用os.walk调用的topdown=True以(this_directory_path, directories_in_this_directory, files_in_this_directory)格式返回每次迭代的元组。元组的第二个和第三个元素是列表，这意味着你也必须遍历它们。所以你可以像这样遍历目录结构：

import os


def create_my_new_path(old_root)
    # This gives us everything after /home/user/PDFs, e.g. folderN
    relative_path = os.path.relpath(old_root, "/home/user/PDFs")
    # This returns "/home/user/TXTs/folderN"
    return os.path.join("/home/user/TXTs", relative_path)

for root, directories, files in os.walk("/home/user/PDFs", topdown=True):
    for pdf_filename in files:
        # Use .lower() for the comparison in case there are files that end in ".PDF"
        if pdf_filename[-4:].lower() == ".pdf":
            # the variable `root` may not contain the absolute path
            # depending on what you passed to os.walk, so you might
            # want to use os.path.abspath(root) before passing it 
            # to the path builder
            txt_save_dir = create_my_new_path(root)
            txt_filename = "".join(old_filename[:-4], ".txt")
            result = parse_PDF(os.path.join(root, filename))
            with open(os.path.join(txt_save_dir, txt_filename), "w") as f:
                f.write(result)
    for directory in directories:
        # If you wanted to do something with the subfolders too, you could do it here
        continue

我希望这个例子很容易理解，所以你可以根据自己的需要进行调整。

一些技巧：

1. 建议使用os.path.join来创建文件路径而不是连接，因为如果它缺少，它会自动添加操作系统的相应分隔符。如果您忘记确保文件夹和文件是分开的，那么它将写入错误的位置。
2. with open(path, mode) as myfile:是打开文件的好方法，因为它会自动关闭with子句末尾的文件，即使抛出异常也是如此。这就是官方python教程建议你现在打开文件的方式。 https://docs.python.org/3.7/tutorial/inputoutput.html#reading-and-writing-files

以下是所有os.path行动：https://docs.python.org/3/library/os.path.html

os.walk的用法可以在这里找到：https://docs.python.org/3/library/os.html