相比常用的 os.path而言,pathlib 对于目录路径的操作更简介也更贴近 Pythonic。但是它不单纯是为了简化操作,还有更大的用途。 pathlib 是Python内置库,Python 文档给它的定义是:The pathlib module – object-oriented filesystem paths(面向对象的文件系统路径)。pathlib 提供表示文件系统路径的类,其语义适用于不同的操作系统。
更多详细的内容可以参考官方文档:https://docs.python.org/3/library/pathlib.html#methods
from pathlib import Path
path = r'D:\python\pycharm2020\program\pathlib模块的基本使用.py'
p = Path(path)
print(p.name) # 获取文件名
print(p.stem) # 获取文件名除后缀的部分
print(p.suffix) # 获取文件后缀
print(p.parent) # 相当于dirname
print(p.parent.parent.parent)
print(p.parents) # 返回一个iterable 包含所有父目录
for i in p.parents:
print(i)
print(p.parts) # 将路径通过分隔符分割成一个元组
运行结果如下:
pathlib模块的基本使用.py
pathlib模块的基本使用
.py
D:\python\pycharm2020\program
D:\python
<WindowsPath.parents>
D:\python\pycharm2020\program
D:\python\pycharm2020
D:\python
D:\
('D:\\', 'python', 'pycharm2020', 'program', 'pathlib模块的基本使用.py')
from pathlib import Path
path_1 = Path.cwd() # 获取当前文件路径
path_2 = Path.home()
p1 = Path('~/pathlib模块的基本使用.py')
print(path_1)
print(path_2)
print(p1.expanduser())
运行结果如下:
D:\python\pycharm2020\program
C:\Users\Administrator
C:\Users\Administrator\pathlib模块的基本使用.py
Path.stat():Return a os.stat_result object containing information about this path
from pathlib import Path
import datetime
p = Path('pathlib模块的基本使用.py')
print(p.stat()) # 获取文件详细信息
print(p.stat().st_size) # 文件的字节大小
print(p.stat().st_ctime) # 文件创建时间
print(p.stat().st_mtime) # 上次修改文件的时间
creat_time = datetime.datetime.fromtimestamp(p.stat().st_ctime)
st_mtime = datetime.datetime.fromtimestamp(p.stat().st_mtime)
print(f'该文件创建时间:{creat_time}')
print(f'上次修改该文件的时间:{st_mtime}')
运行结果如下:
os.stat_result(st_mode=33206, st_ino=3659174698076635, st_dev=3730828260, st_nlink=1, st_uid=0, st_gid=0, st_size=543, st_atime=1597366826, st_mtime=1597366826, st_ctime=1597320585)
543
1597320585.7657475
1597366826.9711637
该文件创建时间:2020-08-13 20:09:45.765748
上次修改该文件的时间:2020-08-14 09:00:26.971164
从不同.stat().st_属性 返回的时间戳表示自1970年1月1日以来的秒数,可以用datetime.fromtimestamp将时间戳转换为有用的时间格式。
from pathlib import Path
p1 = Path('pathlib模块的基本使用.py') # 文件
p2 = Path(r'D:\python\pycharm2020\program') # 文件夹
absolute_path = p1.resolve()
print(absolute_path)
print(Path('.').exists())
print(p1.exists(), p2.exists())
print(p1.is_file(), p2.is_file())
print(p1.is_dir(), p2.is_dir())
print(Path('/python').exists())
print(Path('non_existent_file').exists())
运行结果如下:
D:\python\pycharm2020\program\pathlib模块的基本使用.py
True
True True
True False
False True
True
False
from pathlib import Path
p = Path('/python')
for child in p.iterdir():
print(child)
运行结果如下:
\python\Anaconda
\python\EVCapture
\python\Evernote_6.21.3.2048.exe
\python\Notepad++
\python\pycharm-community-2020.1.3.exe
\python\pycharm2020
\python\pyecharts-assets-master
\python\pyecharts-gallery-master
\python\Sublime text 3
递归遍历该目录下所有文件,获取所有符合pattern的文件,返回一个generator。
获取该文件目录下所有.py文件
from pathlib import Path
path = r'D:\python\pycharm2020\program'
p = Path(path)
file_name = p.glob('**/*.py')
print(type(file_name)) # <class 'generator'>
for i in file_name:
print(i)
获取该文件目录下所有.jpg图片
from pathlib import Path
path = r'D:\python\pycharm2020\program'
p = Path(path)
file_name = p.glob('**/*.jpg')
print(type(file_name)) # <class 'generator'>
for i in file_name:
print(i)
获取给定目录下所有.txt文件、.jpg图片和.py文件
from pathlib import Path
def get_files(patterns, path):
all_files = []
p = Path(path)
for item in patterns:
file_name = p.rglob(f'**/*{item}')
all_files.extend(file_name)
return all_files
path = input('>>>请输入文件路径:')
results = get_files(['.txt', '.jpg', '.py'], path)
print(results)
for file in results:
print(file)
Path.mkdir(mode=0o777, parents=False, exist_ok=False)
Changed in version 3.5: The exist_ok parameter was added.
Path.rmdir():Remove this directory. The directory must be empty.
from pathlib import Path
p = Path(r'D:\python\pycharm2020\program\test')
p.mkdir()
p.rmdir()
from pathlib import Path
p = Path(r'D:\python\test1\test2\test3')
p.mkdir(parents=True) # If parents is true, any missing parents of this path are created as needed
p.rmdir() # 删除的是test3文件夹
from pathlib import Path
p = Path(r'D:\python\test1\test2\test3')
p.mkdir(exist_ok=True)
from pathlib import Path
p = Path('foo.txt')
p.open(mode='w').write('some text')
target = Path('new_foo.txt')
p.rename(target)
content = target.open(mode='r').read()
print(content)
target.unlink()
对于多层文件夹的读取,用os模块只能一层一层读取出文件,要写多个for循环,效率不高,这时我们可以用 Path.glob(**/*) 大法,下面以一个实际案例来体验它的强大。
用于测试的文件夹如下:
md文件中数据如下:
需要实现将该目录下所有 md 文件的数据提取出来,并进行清洗,然后写入 csv 文件中。
# -*- coding: UTF-8 -*-
"""
@File :pathlib读取多层目录数据.py
@Author :叶庭云
@CSDN :https://yetingyun.blog.csdn.net/
"""
from pathlib import Path
import re
import pandas as pd
# 传入路径
p = Path(r'.\微博热搜数据\热搜数据/')
# 得到该文件目录下所有 .md文件
file_list = list(p.glob('**/*.md'))
print(f'读取md文件数量:{len(file_list)}')
for item in file_list:
print(item)
# 每天有两条热搜汇总 11点 23点 会有重合数据 去重
filelist = list(filter(lambda x: str(x).find('23点') >= 0, file_list))
sum_list = []
i = 0
for file in filelist:
# 遍历出每一个md文件 读取数据
with file.open(encoding='utf-8') as f:
lines = f.readlines()
lines = [i.strip() for i in lines] # 去除空字符
data = list(filter(None, lines)) # 去除掉列表中的空子串
data = data[1:101]
con = data[::2] # 热搜内容
rank = data[1::2] # 热度
date = re.findall('年(.+)2', str(file)) * len(con)
for m in range(len(con)):
con[m] = con[m].split('、')[-1] # 字符串操作
for n in range(len(rank)):
rank[n] = re.findall(r'\d+', rank[n])[0]
con_dic = {'日期': date, '热搜内容': con, '热度': rank}
df = pd.DataFrame(con_dic)
if i == 0:
df.to_csv('weibo1.csv', mode='a+', index=False, header=True)
else:
df.to_csv('weibo1.csv', mode='a+', index=False, header=False)
# 每个md文件中有50条数据
i += 50
print('共{}条数据写入csv'.format(i))
运行效果如下:
成功将该目录下所有 md 文件的数据提取出来,并进行清洗,然后写入了 csv 文件中。
作者:叶庭云 CSDN:https://yetingyun.blog.csdn.net/ 本文仅用于交流学习,未经作者允许,禁止转载,更勿做其他用途,违者必究。