Python 限制os.walk遍历的嵌套目录数

我正在使用Python解析通过wget下载的WordPress站点。所有HTML文件都嵌套在一个复杂的文件夹结构中（多亏了WordPress及其长URL），如

site\u dump/2010/03/11/post title/index.HTML

但是，在

post title

目录中，还有其他用于提要和基于数字的谷歌新闻索引的目录：

site_dump/2010/03/11/post-title/index.html  # I want this
site_dump/2010/03/11/post-title/feed/index.html  # Not these
site_dump/2010/03/11/post-title/115232/site.com/2010/03/11/post-title/index.html

我只想访问第5个嵌套级别的index.html文件（

site\u dump/2010/03/11/post title/index.html

），而不是更高级别的文件。现在，我在

os.walk

循环中将

root

变量用斜杠（

/

）拆分，并且仅在文件位于5个文件夹级别内时处理该文件：

import os

for root, dirs, files in os.walk('site_dump'):
  nested_levels = root.split('/')
  if len(nested_levels) == 5:
    print(nested_levels)  # Eventually do stuff with the file here

---

然而，这似乎有点低效，因为

os.walk

仍在遍历那些真正深入的文件夹。当遍历目录树时，有没有办法限制os.walk的深度？

您可以修改目录以防止进一步遍历目录结构

for root, dirs, files in os.walk('site_dump'):
  nested_levels = root.split('/')
  if len(nested_levels) == 5:
    del dirs[:]
    # Eventually do stuff with the file here

del dirs[：]

将删除列表的内容，而不是用对新列表的引用替换dirs。执行此操作时，必须就地修改列表

从中，用

自上而下的
表示您省略的
os.walk
的可选参数，默认为
True
：

当topdown为True时，调用方可以就地修改dirnames列表
（可能使用del或slice赋值）和walk（）只会递归
进入名称保留为dirnames的子目录；这可能是
用于删减搜索，强制执行特定的访问顺序，甚至
通知walk（）调用方创建或重命名的目录
在它再次恢复walk（）之前。自顶向下时修改目录名
False无效，因为在自底向上模式中
在生成dirpath本身之前生成dirname

令人惊叹的！这太完美了。谢谢