Python 使用zipfile存档目录内容，同时从列表中跳过文件

我正在使用

zipfile

创建目录中所有文件的存档（递归，同时保留目录结构，包括空文件夹），并希望该过程跳过列表中指定的文件名

这是os.遍历目录并将所有包含的文件和目录添加到存档的基本功能

def zip_dir(path):
    zipname = str(path.rsplit('/')[-1]) + '.zip'
    with zipfile.ZipFile(zipname, 'w', zipfile.ZIP_DEFLATED) as zf:
        if os.path.isdir(path):
            for root, dirs, files in os.walk(path):
                for file_or_dir in files + dirs:
                    zf.write(os.path.join(root, file_or_dir),
                            os.path.relpath(os.path.join(root, file_or_dir),
                            os.path.join(path, os.path.pardir)))
        elif os.path.isfile(filepath):
            zf.write(os.path.basename(filepath))
    zf.printdir()
    zf.close()

我们可以看到，代码还应该能够处理单个文件，但主要是我们感兴趣的目录部分

现在让我们假设我们有一个文件名列表，我们希望将其排除在添加到zip存档之外

skiplist = ['.DS_Store', 'tempfile.tmp']

实现这一目标的最佳和最干净的方法是什么

我试着使用

zip

，这有点成功，但由于某种原因导致它排除了空文件夹（应该包括空文件夹）。我不知道为什么会这样

skiplist = ['.DS_Store', 'tempfile.tmp']
for root, dirs, files in os.walk(path):
    for (file_or_dir, skipname) in zip(files + dirs, skiplist):
        if skipname not in file_or_dir:
            zf.write(os.path.join(root, file_or_dir),
                    os.path.relpath(os.path.join(root, file_or_dir),
                    os.path.join(path, os.path.pardir)))

看看是否有人有一个聪明的想法来添加跳过特定文件扩展名的功能，这也很有趣，可能类似于

.endswith（'.png'）

，但我不完全确定如何将它与现有的skiplist结合起来

---

如果您对该功能有任何其他的一般性意见，以及它是否确实如预期的那样毫无意外地工作，以及对优化或改进的任何建议，我将不胜感激。

您只需检查文件是否不在

skiplist

：

skiplist = {'.DS_Store', 'tempfile.tmp'}

for root, dirs, files in os.walk(path):
    for file in files + dirs:
        if file not in skiplist:
            zf.write(os.path.join(root, file),
                     os.path.relpath(os.path.join(root, file),
                     os.path.join(path, os.path.pardir)))

这将确保

skiplist

中的文件不会添加到存档中

另一个优化是将

skiplist

设置为一个集合，以防它变得非常大，并且您希望使用一个列表进行恒定时间的O（1）查找，而不是线性的O（N）查找

您可以在上对此进行更多研究，它显示了数据结构上各种Python操作的时间复杂性

对于扩展，您可以使用来提取扩展，并使用与上面相同的逻辑：

from os.path import splitext

extensions = {'.png', '.txt'}

for root, dirs, files in os.walk(path):
    for file in files:
        _, extension = splitext(file)
        if extension not in extensions:
            zf.write(os.path.join(root, file),
                     os.path.relpath(os.path.join(root, file),
                     os.path.join(path, os.path.pardir)))

如果要组合上述功能，则可以分别处理文件和目录的逻辑：

from os.path import splitext

extensions = {'.png', '.txt'}
skiplist = {'.DS_Store', 'tempfile.tmp'}

for root, dirs, files in os.walk(path):
    for file in files:
        _, extension = splitext(file)
        if file not in skiplist and extension not in extensions:
            zf.write(os.path.join(root, file),
                     os.path.relpath(os.path.join(root, file),
                     os.path.join(path, os.path.pardir)))

    for directory in dirs:
        if directory not in skiplist:
            zf.write(os.path.join(root, directory),
                     os.path.relpath(os.path.join(root, directory),
                     os.path.join(path, os.path.pardir))) 

---

注意：上述代码片段本身无法工作，您需要在当前代码中进行编织才能使用这些想法

@noob不用担心，很高兴我能帮上忙。但是我不确定我是否完全理解你所说的“另一个优化是让skiplist成为一个列表，以防它变得非常大，并且你需要固定时间的O（1）查找，而不是使用列表进行的线性O（N）查找。”的意思。你能详细说明一下吗？@noob这是我的一种类型，我已经编辑了答案。你知道大O符号的时间复杂性吗？它基本上意味着，当您使用

集合时，您可以直接散列到所需的项，即O（1）。如果使用列表，底层代码必须遍历整个列表以检查它是否存在。我在答案中添加了一个链接，指向记录这些时间复杂性的地方。在研究这个问题之前，也许值得先研究大O符号。基本上，O（1）比O（N）更有效。谢谢你的回复。为了澄清，这是你在回答中使用的一组，对吗？如果我理解正确的话，基本上是用花括号{}代替[]来利用常数时间O（1）查找。我不知道为什么要使用lists[]，但也许这是另一个问题。@noob是的，花括号是一个集合。您还可以使用
set（）
来定义它。集合是无序的，所以如果您需要保持顺序，那么使用列表是更好的选择，因为列表是有序的。对于这个问题，由于您只需要进行查找以检查要跳过的文件/扩展名，因此使用集合是更好的选择。但对于其他场景，情况可能并非如此。这真的取决于你解决了什么问题。