在 python 中递归搜索文件的最快方法是什么？

Question

我需要通过递归搜索生成一个文件列表，其路径包含特定字符串。我目前是这样做的：

for i in iglob(starting_directory+'/**/*', recursive=True):
    if filemask in i.split('\')[-1]: # ignore directories that contain the filemask
        filelist.append(i)

这行得通，但在抓取大型目录树时，速度非常慢（约 10 分钟）。我们在 Windows，因此无法对 unix find 命令进行外部调用。我的理解是 glob 比 os.walk 快。

有没有更快的方法？

Answer 1

也许不是您想要的答案，但我认为这些时间安排很有用。运行在一个目录上有 15,424 个目录，总共 102,799 个文件（其中 3059 个是 .py 文件）。

Python 3.6:

import os
import glob

def walk():
    pys = []
    for p, d, f in os.walk('.'):
        for file in f:
            if file.endswith('.py'):
                pys.append(file)
    return pys

def iglob():
    pys = []
    for file in glob.iglob('**/*', recursive=True):
        if file.endswith('.py'):
            pys.append(file)
    return pys

def iglob2():
    pys = []
    for file in glob.iglob('**/*.py', recursive=True):
        pys.append(file)
    return pys

# I also tried pathlib.Path.glob but it was slow and error prone, sadly

%timeit walk()
3.95 s ± 13 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit iglob()
5.01 s ± 19.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit iglob2()
4.36 s ± 34 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

在 cygwin (4.6.0-1) 上使用 GNU find (4.6.0)

编辑：下面是 WINDOWS，LINUX 我发现 find 快了大约 25%

$ time find . -name '*.py' > /dev/null

real    0m8.827s
user    0m1.482s
sys     0m7.284s

似乎 os.walk 和 windows 一样好。

在 python 中递归搜索文件的最快方法是什么？

What's the fastest way to recursively search for files in python?

python

search

glob