在Google Colab中读取Google Drive内TXT文件并生成Pandas数据框

问题1：文件名看不到.txt后缀会有影响吗？ #

分两种情况判断：

• 如果是系统默认隐藏了文件后缀（文件本身实际带有.txt后缀）：读取文件内容不受影响，使用glob.glob('*.txt')匹配路径时，系统会正常识别到带后缀的文件，无需额外调整。
• 如果是文件本身没有.txt后缀（比如直接命名为doc1而非doc1.txt）：*.txt的glob模式会匹配不到这些文件，需要将路径改为glob.glob('/content/gdrive/My Drive/DATASETS/DOXES/*')；读取纯文本内容本身没问题，但如果文件实际是其他格式，可能出现乱码。

问题2：如何将所有TXT文件内容存入Pandas数据框？ #

先修正文件路径的获取逻辑，再循环读取内容并整理为DataFrame，完整实现代码如下：

from google.colab import drive
import glob
import pandas as pd
from tqdm import tqdm

# 挂载Google Drive
drive.mount("/content/gdrive")

# 获取所有TXT文件路径
# 若文件实际带.txt后缀，用这行
dataset_filepaths = glob.glob('/content/gdrive/My Drive/DATASETS/DOXES/*.txt')
# 若文件无.txt后缀，替换为下面这行
# dataset_filepaths = glob.glob('/content/gdrive/My Drive/DATASETS/DOXES/*')

# 初始化列表存储文件信息
file_data = []

# 循环读取每个文件
for filepath in tqdm.tqdm(dataset_filepaths):
    filename = filepath.split('/')[-1]
    try:
        # 用with语句自动管理文件资源
        with open(filepath, 'r', encoding='utf-8') as f:
            content = f.read()
        file_data.append({'文件名': filename, '文本内容': content})
    except Exception as e:
        print(f"读取文件 {filename} 失败: {str(e)}")

# 转换为Pandas数据框
text_df = pd.DataFrame(file_data)

# 查看前5条数据
print(text_df.head())

关键说明 #

• 使用with open替代直接open，避免手动关闭文件时的资源泄漏问题。
• 指定encoding='utf-8'确保多语言文本读取正常，若文件采用其他编码（如GBK）可对应调整。
• 添加异常捕获，防止单个文件读取失败导致整个流程中断。
• 数据框包含「文件名」和「文本内容」两列，方便后续的文本分析或数据处理。

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