python - 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，但在爬取大型目录树时，它的速度非常慢(约 10 分钟)。我们在 Windows 上，所以对 unix find 命令进行外部调用不是一种选择。我的理解是 glob 比 os.walk 快。

有没有更快的方法？

Answer 1

也许不是您希望得到的答案，但我认为这些时间安排很有用。在包含 15,424 个目录共计 102,799 个文件(其中 3059 个是 .py 文件)的目录上运行。

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:下面是在 WINDOWS 上，在 LINUX 上我发现 find 快了大约 25%

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

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

---

看起来 os.walk 和 Windows 上的一样好。