使用os库遍历百万歌曲数据集嵌套子文件夹.h5文件失败求助

嘿，我来帮你搞定这个遍历文件夹的问题！首先咱们先拆解下你遇到的错误：

你写的entries = os.listdir(...)会返回父文件夹下所有子项（文件夹和文件）的名称列表，但接下来你把这个列表直接传给os.listdir(entries)，而os.listdir()要求传入的是单个路径字符串，不是列表，这就是你看到listdir: path should be string...错误的原因。另外你代码里的continue逻辑也有问题——不管找到.h5还是其他文件，你都直接跳过了，根本没处理这些文件。

下面给你两种靠谱的解决方案，都能轻松遍历多层嵌套的文件夹：

方法1：用os.walk（经典递归遍历） #

os.walk会自动递归遍历目标文件夹下的所有子目录，每次返回当前目录路径、子目录列表、当前目录的文件列表，非常适合处理多层嵌套场景：

import os

# 替换成你的数据集根路径
root_path = "/Users/katherineperkins/Downloads/MillionSongSubset/data"

# 遍历所有层级的文件夹
for current_dir, subdirs, files in os.walk(root_path):
    for file_name in files:
        # 只筛选.h5文件（如果不需要.py可以删掉这个判断条件）
        if file_name.endswith(".h5"):
            # 拼接出文件的完整路径
            full_file_path = os.path.join(current_dir, file_name)
            print(full_file_path)
            # 在这里添加你的数据处理代码，比如读取.h5文件
            # 示例：import h5py; with h5py.File(full_file_path, 'r') as f: ...

方法2：用pathlib（更简洁的现代写法） #

如果你用的是Python 3.4及以上版本，推荐用pathlib模块，它是面向对象的路径处理工具，代码更简洁直观：

from pathlib import Path

root_path = Path("/Users/katherineperkins/Downloads/MillionSongSubset/data")

# 递归查找所有.h5文件（rglob表示递归匹配）
for h5_file in root_path.rglob("*.h5"):
    # h5_file是Path对象，直接可以用于文件操作，也可以转成字符串str(h5_file)
    print(h5_file)
    # 读取文件示例：with h5_file.open('r') as f: ...

这两种方法都能完美遍历所有嵌套子文件夹里的.h5文件，你可以根据自己的习惯选择。记得把原来代码里无效的continue逻辑替换成实际的数据处理代码哦～

内容的提问来源于stack exchange，提问作者KPerkins