如何使用 os.walk 或 glob.glob 获取目录中所有类型的文件扩展名

Question

我有一个代码可以检测目录中文件的语言。但是在提到扩展类型时，我如何检测目录中所有文件扩展名的语言（例如：- .pdf、.xlsx、.docx 等），而不仅仅是代码中提到的 .txt 文件。附上代码供参考。我想知道如何使用 glob 和 os.walk 完成此操作。

import csv
from fnmatch import fnmatch
try:
    from langdetect import detect
except ImportError:
    detect = lambda _: '<dunno>'
import os

rootdir = '.'  # current directory
extension = '.txt'
file_pattern = '*' + extension

with open('output.csv', 'w', newline='', encoding='utf-8') as outfile:
    csvwriter = csv.writer(outfile)

    for dirpath, subdirs, filenames in os.walk(os.path.abspath(rootdir)):
        for filename in filenames:
            if fnmatch(filename, file_pattern):
                lang = detect(os.path.join(dirpath, filename))
                csvwriter.writerow([dirpath, filename, lang])

Answer 1

IIUC 您可以将 fnmatch 支票替换为

eoi = ['*.pdf', '*.xlsx', '*.docx', '*.txt']     # extensions of interest list
if any(fnmatch(file, ext) for ext in eoi):
    lang = ...

如何使用 os.walk 或 glob.glob 获取目录中所有类型的文件扩展名

How to get all type of file extensions within a directory using os.walk or glob.glob

python

file-extension

os.walk

language-detection