python中讀取多個文件夾類別中的多個.txt文件的方法

Question

我是Python的新手，正在嘗試讀取存儲在多個文件夾層次結構中的.txt文件的數據集。 文件夾的結構是

-Folder1 
   -Category1_Folder
        -file1.txt
   -Category2_Folder
        -file1.txt
        -file2.txt and so on...

類別具有重要性。 我需要能夠確定哪個文件來自哪個類別。 然后，我需要刪除停用詞並使用TfIDf執行特征提取。 做這樣的事情最簡單的方法是什么？

Answer 1

我推薦os.walk 。

如果您有類似的目錄：

project/
- folder1/
  - file1.png
  - file2.jpg
- folder2/
  - file3.zip

然后，示例代碼為：

import os

for dirpath, dirnames, filenames in os.walk(os.getcwd()):  # getcwd() for current work dir
  print(dirpath, dirnames, filenames)

輸出結果為：

/project ['folder1', 'folder2'] []
/project/folder1 [] ['file1.png', 'file2.jpg']
/project/folder2 [] ['file3.zip']

如果需要文件夾，文件名，請使用for循環：

for dirname in dirnames:
  for filename in filenames:
    # split dirname for categories
    # and so on..