Python: обход директорий и поиск нужных файлов

Расширенные примеры поиска файлов

Поиск файлов по размеру (больше/меньше/равно)

from pathlib import Path

root = Path('/home/user/projects')
size_limit = 100 * 1024 * 1024  # 100 MB

big_files = [f for f in root.rglob('*') if f.is_file() and f.stat().st_size > size_limit]
for f in big_files:
    print(f, f.stat().st_size)

/home/user/projects/data/bigfile.bin 104857600
/home/user/projects/backup/archive.zip 125829120

Пояснение: используется метод stat().st_size для получения размера в байтах. Для производительности можно предварительно отфильтровать по расширению, если размер важен только для определённых типов.

Поиск файлов по дате последнего изменения (за последние N дней)

from pathlib import Path
import time

root = Path('/var/log')
now = time.time()
last_7_days = now - 7 * 24 * 3600

recent_files = [f for f in root.rglob('*')
                if f.is_file() and f.stat().st_mtime > last_7_days]
for f in recent_files:
    print(f, time.ctime(f.stat().st_mtime))

/var/log/syslog Thu Apr 10 08:12:34 2025
/var/log/auth.log Thu Apr 10 09:45:12 2025

Пояснение: st_mtime - время последнего изменения файла (timestamp). Сравнивается с текущим временем минус 7 дней.

Поиск файлов по содержимому (текстовый поиск)

from pathlib import Path

root = Path('/home/user/docs')
search_term = 'Python'

for file in root.rglob('*.txt'):
    try:
        content = file.read_text(encoding='utf-8')
        if search_term in content:
            print(f'Найдено в {file}')
    except (UnicodeDecodeError, PermissionError):
        pass

Найдено в /home/user/docs/notes.txt
Найдено в /home/user/docs/tutorial.txt

Пояснение: для текстовых файлов используется read_text. Ошибки кодировки и доступа игнорируются. Для больших файлов лучше читать построчно или использовать mmap.

Рекурсивный поиск с фильтрацией по типу (папки/файлы)

from pathlib import Path

root = Path('.')

# Найти только папки (каталоги)
folders = [d for d in root.rglob('*') if d.is_dir()]
print('Папки:')
for d in folders[:5]:
    print(d)

# Найти только файлы (исключая символические ссылки)
files = [f for f in root.rglob('*') if f.is_file() and not f.is_symlink()]
print('\nФайлы (первые 5):')
for f in files[:5]:
    print(f)

Папки:
.
./data
./src
./tests
./docs

Файлы (первые 5):
./main.py
./config.json
./data/input.csv
./src/utils.py
./tests/test_main.py

Поиск файлов внутри ZIP-архива (без распаковки)

import zipfile
from pathlib import Path

archive_path = Path('archive.zip')
search_name = 'readme.txt'

with zipfile.ZipFile(archive_path, 'r') as zf:
    for info in zf.infolist():
        if search_name in info.filename:
            print(f'Найден в архиве: {info.filename}, размер: {info.file_size}')

Найден в архиве: docs/readme.txt, размер: 1024

Пояснение: модуль zipfile позволяет сканировать содержимое архива без распаковки. Для поиска по содержимому файла внутри ZIP можно использовать zf.read(info.filename).

Параллельный поиск с использованием concurrent.futures (ускорение на многоядерных системах)

from pathlib import Path
from concurrent.futures import ProcessPoolExecutor, as_completed

root = Path('/home/user')

def search_in_directory(dir_path):
    # Поиск всех .py файлов в одной директории
    return [str(p) for p in dir_path.glob('*.py')]

subdirs = [d for d in root.iterdir() if d.is_dir()]
results = []

with ProcessPoolExecutor() as executor:
    futures = {executor.submit(search_in_directory, d): d for d in subdirs}
    for future in as_completed(futures):
        results.extend(future.result())

print(f'Найдено {len(results)} .py файлов')
for r in results[:10]:
    print(r)

Найдено 42 .py файлов
/home/user/script1.py
/home/user/main.py
/home/user/module.py
...

Пояснение: разбиваем задачу по подкаталогам верхнего уровня и запускаем поиск параллельно. Эффективно при большом количестве папок. Для глубокой рекурсии можно использовать более сложное разбиение.