如何讀取 PDF 檔中的文字資料？#Python資料科學實作小技巧

這裡介紹如何在 Python 中列出目錄中的檔案，並且配合各種篩選方式，取得符合條件的檔案列表。

Python中可以使用os模块来查找特定文件。 您可以使用os.walk函数来遍历目录树，并使用fnmatch模块中的fnmatch函数来匹配文件名模式。

Python os.walk 找檔案很容易，可是 天坑 也不少。 逐行註解、測試，才不會搞迷糊了。 延伸上一篇的基本寫法，今天把它模組化 (函數化) Source code download套件 libfr...

適用於需要從一個大資料夾中挑選出特定文件並將它們從另一個資料夾中複製到指定目標資料夾的情境。 例如，當你想要提取一些特定的圖片或數據集進行進一步處理時，這個「精準篩選」和「自動化處理」的腳本將非常有用且有效率。

最近一個工作需求是要爬近 TB 等級的資料，資料的儲存格式是散落在各資料夾中的 XML 檔。 然而實際爬蟲發現 IO 的瓶頸反而不是處理 XML 檔及萃取資料並寫入資料庫中，瓶頸是出現在走訪資料夾所花費的時間。

Python 的標準函式「glob」可以使用名稱與路徑的方式，查找出匹配條件的檔案或資料夾，查找出檔案後，搭配其他函式庫 ( 例如 os 標準函式庫 ) ，就能做到像是批次重新命名、批次刪除...等的動作。

本文介紹了在 Python 中如何查詢具有特定副檔名的檔案，以及如何列出資料夾及其子資料夾下的所有匹配的檔案。