Python3实现文件夹遍历及相似文件夹检测的问题求助

第一步：重构文件夹数据存储 #

你当前的代码收集的是完整文件夹路径，首先需要把文件夹名称和路径关联起来，方便后续对比和结果展示。可以用字典存储，键是完整路径，值是对应的文件夹名称：

import os
from difflib import SequenceMatcher

path = input("Where you want to look?")

folder_dict = {}
print("Here's your folders:")
for dirname in os.listdir(path):
    full_path = os.path.join(path, dirname)
    if os.path.isdir(full_path):
        folder_name = os.path.basename(full_path)
        folder_dict[full_path] = folder_name
        print(full_path)

print(f"\n{len(folder_dict)} folders found!")

第二步：实现相似度对比逻辑 #

针对文件名不完全相同的场景，推荐两种实用的相似度计算方式：

方式1：基于序列匹配的相似度（推荐）

用Python标准库difflib.SequenceMatcher计算字符串的相似度，返回0-1的数值，越接近1表示越相似，该方法会考虑字符顺序，更符合文件名相似的实际场景（比如"Project_v1"和"Project_v2"会被判定为高度相似）：

def calculate_similarity(str1, str2):
    return SequenceMatcher(None, str1, str2).ratio()

方式2：基于字符集合的Jaccard相似度（按你的拆字符思路实现）

把文件名拆成字符集合，通过计算交集与并集的比例得到相似度，适合关注字符组成而非顺序的场景：

def jaccard_similarity(str1, str2):
    set1 = set(str1)
    set2 = set(str2)
    intersection = len(set1 & set2)
    union = len(set1 | set2)
    return intersection / union if union != 0 else 0

第三步：遍历所有文件夹对找出相似项 #

设置一个相似度阈值（比如0.7，可根据需求调整），遍历所有文件夹两两组合，筛选出相似度达标的结果：

# 可自定义相似度阈值
similarity_threshold = 0.7
print("\n相似文件夹对：")
folder_paths = list(folder_dict.keys())

# 两两对比，避免重复检查
for i in range(len(folder_paths)):
    for j in range(i + 1, len(folder_paths)):
        path_a = folder_paths[i]
        path_b = folder_paths[j]
        name_a = folder_dict[path_a]
        name_b = folder_dict[path_b]
        
        # 选择你想用的相似度计算函数
        sim_score = calculate_similarity(name_a, name_b)
        # sim_score = jaccard_similarity(name_a, name_b)
        
        if sim_score >= similarity_threshold:
            print(f"相似度 {sim_score:.2f}:")
            print(f"  - {path_a}")
            print(f"  - {path_b}\n")

补充说明 #

• 如果需要递归遍历子文件夹，可改用os.walk()替代os.listdir()
• 相似度阈值可根据实际需求调整，对相似度要求高就设0.8，要求宽松就设0.6

内容的提问来源于stack exchange，提问作者dotashope