如何在文件夹及其所有子文件夹中搜索某种类型的文件

70

我正在尝试在给定文件夹中搜索给定类型的所有文件，并将它们复制到新文件夹中。

我需要指定一个根文件夹，并在该文件夹及其所有子文件夹中搜索与给定类型匹配的所有文件。

如何搜索根文件夹的子文件夹及其子文件夹？似乎可以使用递归方法，但是我无法正确实现一个方法。

ruby file-io recursion

— agentbanks217
source

64

您需要查找模块。Find.find接受包含路径的字符串，并将父路径以及每个文件和子目录的路径传递到随附的块。一些示例代码：

require 'find'

pdf_file_paths = []
Find.find('path/to/search') do |path|
  pdf_file_paths << path if path =~ /.*\.pdf$/
end

这将递归搜索路径，并将所有以.pdf结尾的文件名存储在数组中。

— 杰尔加森
source

116

尝试这个：

Dir.glob("#{folder}/**/*.pdf")

这与

Dir["#{folder}/**/*.pdf"]

文件夹变量是您要搜索的根文件夹的路径。

— 罗杰派克
source

3

我认为OP想要递归，不是吗？

— rogerdpack

2

@rogerdpack据我了解，此方法是递归的。答案实际上应该是Dir.glob("#{folder}/**/*.pdf")，其中folder变量是您要搜索的根文件夹的路径。

— Automatico

1

默认情况下

— 也不

2

@Konstantin这Dir#[]就是我通常使用的。但是，有一个陷阱：Dir.glob将所有路径都加载到内存中。通常这很好，但是如果您有很多路径，则可能更喜欢使用Find模块，因为它会在找到路径时将路径传递给块。

— 韦恩·康拉德

2

我对此同意@WayneConrad。您可能会由于Ruby分配足够的内存来存储大数组而无意中止了程序。这与为文件加注非常相似。让Find处理层次结构而不是将其扔到OS上可能会得到意外的数组，这样效率更高，并且可能更快。调试这种情况很困难。

— 锡人

27

如果速度是一个问题，更喜欢Dir.glob了Find.find。

Warming up --------------------------------------
           Find.find   124.000  i/100ms
            Dir.glob   515.000  i/100ms
Calculating -------------------------------------
           Find.find      1.242k (± 4.7%) i/s -      6.200k in   5.001398s
            Dir.glob      5.249k (± 4.5%) i/s -     26.265k in   5.014632s

Comparison:
            Dir.glob:     5248.5 i/s
           Find.find:     1242.4 i/s - 4.22x slower

require 'find'
require 'benchmark/ips'

dir = '.'

Benchmark.ips do |x|
  x.report 'Find.find' do
    Find.find(dir).select { |f| f =~ /\*\.pdf/ }
  end

  x.report 'Dir.glob' do
    Dir.glob("#{dir}/**/*\.pdf")
  end

  x.compare!
end

使用 ruby 2.2.2p95 (2015-04-13 revision 50295) [x86_64-darwin15]

— 丹尼斯
source

2

谢谢你的帖子。对于像我这样的初学者来说，找出在Dir.globvs中应该使用哪种方法非常有帮助Find.find。

— itsh 2013年

5

在这种情况下，查找应该变慢，因为您正在使用正则表达式查找。另一方面，Dir.glob不如正则表达式那么强大，因此我希望它会更快。

— hirowatari

我想您可以#end_with?用来比较它们之间的关系

— 。...– rogerdpack

1

@hirowatari正则表达式与否无关紧要-您可以用替换整个块内容，false但它仍然会显着变慢（尝试一下）。这是因为调用块也需要一些时间，并且对于找到的每个项目都会发生，而glob内部过滤器只有在完成收集结果后才会返回。因此，与之配合使用的过滤器find可能非常复杂，可能是包含查找和多个正则表达式的100行代码，而glob每个调用只了解一种简单的模式。如果您可以通过这种方式表示搜索，请选择glob。

— 麦基

但是，如果您实际上必须对这些文件执行某些操作，则将需要为每个文件调用某些内容。因此，根据用例进行比较可能不公平。同样对于巨大的目录树，人们可能不想将整个数组存储在内存中。所以有时候一个会更好，而另一个会更好。

— akostadinov

12

作为对Jergason和Matt上面回答的一个小改进，这是您可以压缩为一行的方法：

pdf_file_paths = Find.find('path/to/search').select { |p| /.*\.pdf$/ =~ p }

这使用上面的Find方法，但是利用了结果是可枚举的事实（因此我们可以使用select）来获取具有匹配集的数组

— 克里斯德海姆
source

0

另一种快速的方法是将任务委托给shell命令“ find”并分割输出：

pdf_file_paths = `find #{dir} -name "*.pdf"`.split("\n")

在Windows上不起作用。

— 费利佩·扎万（Felipe Zavan）
source