如何在包含多个文件夹的目录中迭代文件、对文件进行操作、保存到不同的文件夹集

Question

我想遍历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，保存到. txt），然后将所有txt保存到具有相同名称但位于不同目录的不同文件夹集中。该函数按预期执行，但不使用子文件夹。我知道有os.walk，但我不知道如何在这里使用它。如果我有所有没有子文件夹的文件，函数就可以工作；它会写入所需的目录。但是我需要遍历文件夹，保存到其他目录中的文件夹。

在一个目录中找到文件，并对其进行操作，保存到另一个目录中。正在尝试os.walk，但未成功合并文件夹结构。

文件夹结构基本上是路径/folder1…folderN

有30K文件，所以希望保留到文件夹系统。

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)

计划这样做的各种操作，所以希望学习一些通用的解决方案。

Answer 1

os.walk调用时使用top-down=True以的格式在每次迭代时返回一个元组（此\u目录\u路径、此\u目录中的目录、此\u目录中的文件）。元组的第二和第三个元素是列表，这意味着您也必须遍历它们。因此，您可以像这样浏览目录结构：

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，这样你就可以根据自己的需要调整它。

一些提示：

1. 建议使用os.path.join来创建文件路径，而不是串联，因为如果操作系统缺少相应的分隔符，它会自动添加该分隔符。如果忘记确保文件夹和文件分开，那么它将写入错误的位置

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

在这里可以找到os.walk的用法：https://docs.python.org/3/library/os.html