python-3.x - 在Databricks(DBFS)中递归列出目录和子目录的文件

Question

使用python/dbutils，如何在Databricks文件系统(DBFS)中递归显示当前目录和子目录的文件。

Answer 1

关于 dbutils.fs.ls (和 %fs 魔法命令)的令人惊讶的事情是它似乎不支持任何递归开关。但是，由于 ls 函数返回 FileInfo 对象的列表，因此递归地迭代它们以获取全部内容非常简单，例如:

def get_dir_content(ls_path):
  dir_paths = dbutils.fs.ls(ls_path)
  subdir_paths = [get_dir_content(p.path) for p in dir_paths if p.isDir() and p.path != ls_path]
  flat_subdir_paths = [p for subdir in subdir_paths for p in subdir]
  return list(map(lambda p: p.path, dir_paths)) + flat_subdir_paths
    

paths = get_dir_content('/databricks-datasets/COVID/CORD-19/2020-03-13')
[print(p) for p in paths]