使用Pathlib实现递归/非递归文件扫描时无输出的问题求助

需要实现功能：给定目标目录，当recursive参数为True时递归扫描所有文件，否则仅返回当前目录下的文件。编写的scan_files函数未生成任何文件输出。

代码实现 #

import re
import uuid
from pathlib import Path
from typing import Generator, Tuple, Union, Optional
import time


def scan_files(dir_path: Union[str, Path], filter_regex: Optional[str] = None, recursive: bool = True) -> Generator[Tuple[str, Path], None, None]:
    """
    Get list of files in the specified directory.
    """
    path = Path(dir_path)
    for item in path.iterdir():
        if not item.is_symlink():
            if recursive and item.is_dir():
                yield from scan_files(item, filter_regex=filter_regex)
            elif filter_regex is None or re.match(filter_regex, item.name, re.IGNORECASE):
                yield str(uuid.uuid5(uuid.NAMESPACE_URL, str(item))), item


while True:
    print("=" * 100)
    for x, y in scan_files(dir_path="/tmp/in/106/", recursive=True):
        print(x, y)
    print("=" * 100)
    time.sleep(4)

实际问题 #

scan_files函数未生成任何文件输出。

测试环境 #

创建目录/tmp/in/106/nested，添加文件：

• /tmp/in/106/1.mov
• /tmp/in/106/2.mov
• /tmp/in/106/nested/1.mov
• /tmp/in/106/nested/2.mov

预期输出 #

• recursive=True时返回所有4个文件的完整路径
• recursive=False时返回/tmp/in/106/1.mov和/tmp/in/106/2.mov

代码存在两个关键问题：

1. 未判断条目是否为文件：当前逻辑会把非目录、非符号链接的所有条目都返回，可能包含管道、设备文件等非普通文件；当recursive=False时，还会误返回目录条目。
2. 递归调用未传递recursive参数：虽然默认值是True，但如果上层调用传入recursive=False，递归调用会错误地使用默认的True，导致不符合预期的递归；同时当前逻辑遗漏了明确的文件判断，可能在某些环境下导致文件未被正确识别。

import re
import uuid
from pathlib import Path
from typing import Generator, Tuple, Union, Optional
import time


def scan_files(dir_path: Union[str, Path], filter_regex: Optional[str] = None, recursive: bool = True) -> Generator[Tuple[str, Path], None, None]:
    """
    Get list of files in the specified directory.
    """
    path = Path(dir_path)
    # 先判断目录是否存在，避免抛出异常
    if not path.is_dir():
        return
    for item in path.iterdir():
        if not item.is_symlink():
            if recursive and item.is_dir():
                # 递归调用时传递recursive参数，保持一致的递归行为
                yield from scan_files(item, filter_regex=filter_regex, recursive=recursive)
            elif item.is_file():
                # 仅处理文件，避免误返回目录或其他特殊文件
                if filter_regex is None or re.match(filter_regex, item.name, re.IGNORECASE):
                    yield str(uuid.uuid5(uuid.NAMESPACE_URL, str(item))), item


while True:
    print("=" * 100)
    for x, y in scan_files(dir_path="/tmp/in/106/", recursive=True):
        print(x, y)
    print("=" * 100)
    time.sleep(4)

1. 添加目录存在性检查：避免传入无效路径时抛出异常，直接返回空生成器。
2. 仅处理文件条目：通过item.is_file()确保只返回文件，排除目录和其他特殊文件。
3. 递归调用传递recursive参数：确保递归行为与上层调用的recursive参数一致，避免逻辑矛盾。
4. 调整条件判断顺序：先判断是否为文件，再进行正则匹配，逻辑更清晰。

内容的提问来源于stack exchange，提问作者GoneCase123