遍历目录以计数包含特定字符串的文件数量

Question

我有一个文件夹，里面有好几个层级的子文件夹。所有的文件都是html文件，总共有大约500个。我想逐个查看这些文件，看看里面是否包含一个叫“sub_middle_1col”的部分。我在palewire.com找到了一个很不错的教程，并以此为基础进行尝试。现在我遇到两个问题：第一，当代码遇到子文件夹时，它把子文件夹当成文件，导致代码出错；第二，代码只查看主文件夹里的文件，而不去查看子文件夹里的文件。我可能通过添加一行代码解决了第一个问题（见下文），但我不知道怎么把我看到的其他解决方案（比如os.walk）整合到我的代码里，以解决第二个问题。有没有什么建议？非常感谢！

import os

path = "./Industries"
my_library = os.listdir(path)
out = open("out.txt", "w")

for page in my_library:
    file = os.path.join(path, page)
    if os.path.isfile(file) and file.endswith('.html'):    #I ADDED THIS LINE
        text = open(file, "r")
        hit_count = 0
        for line in text:
            if 'sub_middle_1col' in line:
                hit_count = hit_count + 1
                print >>  out, page + " => " + str(hit_count)  
        print page + " => " + str(hit_count)
        text.close()

Answer 1

好吧，你可以试试：

 import os

 for root,dirs,files in os.walk(path):
     for fname in files:
         if fname.endswith('.html'):
             fq = os.path.join(root, fname)
             for line in open(fq):
                 if 'sub_middle_1col' in line:
                     ...

使用find()或者正则表达式（re模块）来检查'sub_middle_1col'这个字符串，这样可能会让你的程序运行得更快...