Python获取Azure DataLake容器及多级子文件夹问题

Azure Blob存储中的“文件夹”是虚拟目录，并非实体目录，完全依赖Blob名称里的路径分隔符（通常为/）模拟层级结构。你的get_containers()函数（推测实际是用于获取容器内目录的函数）只能列出一级文件夹，核心缺失的是递归/迭代遍历所有层级虚拟目录前缀的逻辑。

具体缺失的逻辑点 #

• 未实现递归遍历：一级文件夹本质是带/后缀的前缀，要获取深层子文件夹，需基于当前前缀继续查询下一层级的前缀，直到无更深层级。
• 未利用delimiter参数过滤虚拟目录：没有通过该参数区分Blob文件和虚拟目录前缀，导致只能拿到当前层级的目录。

修正思路（代码示例） #

借助Azure Storage Blob SDK的list_blobs()方法，结合delimiter="/"参数过滤当前层级的虚拟目录，再通过递归遍历所有层级：

from azure.storage.blob import BlobServiceClient

def list_all_hierarchical_folders(container_client, prefix=""):
    # 获取当前前缀下的所有虚拟目录
    blob_iterator = container_client.list_blobs(name_starts_with=prefix, delimiter="/")
    # 遍历当前层级的目录前缀
    for dir_prefix in blob_iterator.prefixes:
        print(dir_prefix)  # 可替换为存储目录路径的逻辑
        # 递归遍历下一层级目录
        list_all_hierarchical_folders(container_client, prefix=dir_prefix)

# 调用示例
conn_str = "your_azure_storage_connection_string"
blob_service_client = BlobServiceClient.from_connection_string(conn_str)

# 先遍历所有容器
for container in blob_service_client.list_containers():
    print(f"容器: {container.name}")
    container_client = blob_service_client.get_container_client(container.name)
    # 遍历该容器下所有层级目录
    list_all_hierarchical_folders(container_client)

关键说明 #

• delimiter="/"：该参数让SDK仅返回当前prefix下的虚拟目录前缀，而非所有Blob，精准筛选出目录层级。
• 递归遍历：对每个返回的目录前缀，作为新的查询前缀传入函数，即可逐层遍历所有深层子文件夹。

内容的提问来源于stack exchange，提问作者Ricky Aguilar