如何使用Azure ML Studio Python SDK v2获取数据存储文件夹列表

你可以通过Azure ML的Python SDK（推荐使用最新的azure-ai-ml包）实现这个需求，以下是具体步骤和代码示例：

1. 安装依赖（若未安装） #

pip install azure-ai-ml azure-identity

2. 连接到Azure ML工作区 #

使用MLClient连接工作区，推荐用DefaultAzureCredential完成身份验证，无需手动输入密钥：

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

# 初始化MLClient
ml_client = MLClient(
    credential=DefaultAzureCredential(),
    subscription_id="你的订阅ID",
    resource_group_name="资源组名称",
    workspace_name="Azure ML工作区名称"
)

3. 获取目标数据存储并列出文件夹 #

通过数据存储名称获取实例后，用get_paths()方法筛选出所有文件夹，再提取你需要的文件夹名称：

# 获取已注册的数据存储
data_store = ml_client.datastores.get(name="你的数据存储名称")

# 获取所有文件夹的路径（仅返回目录）
folder_paths = data_store.get_paths(file_type="directory")

# 提取最后一级文件夹名称（可根据需求调整路径拆分逻辑）
folder_names = [path.split("/")[-2] for path in folder_paths if path.endswith("/")]

# 迭代遍历文件夹名称列表
for folder_name in folder_names:
    print(folder_name)

可选：获取指定目录下的子文件夹 #

如果只需获取某个根目录下的子文件夹，可添加prefix参数：

# 获取"raw_data/"目录下的所有子文件夹
folder_paths = data_store.get_paths(prefix="raw_data/", file_type="directory")

旧版SDK（azureml-core）兼容写法 #

若你仍在使用旧版azureml-core包，可参考以下代码：

from azureml.core import Workspace, Datastore

# 加载工作区配置（需提前下载config.json文件）
ws = Workspace.from_config()

# 获取数据存储
datastore = Datastore.get(ws, datastore_name="你的数据存储名称")

# 列出指定路径下的文件夹
folders = datastore.list_dir(path="", file_type="dir")
# 提取文件夹名称
folder_names = [item[0] for item in folders]

# 迭代输出
for name in folder_names:
    print(name)

内容的提问来源于stack exchange，提问作者khemanth958