Python 使用递归获取子文件夹中的文件名及分类标签

简介：
本项目通过Python编程实现递归算法来遍历指定目录下的所有子文件夹及其包含的文件，并为每个文件自动添加分类标签。此方法简化了大规模数据集管理，提升了工作效率。 在深度学习领域，数据预处理是一个至关重要的步骤，尤其是在数据分布在多个子文件夹中的情况下。在这个场景下，我们需要从一个包含多级子文件夹的结构中递归地收集文件名，并同时获取每个文件对应的类别标签。这通常用于构建训练集和测试集，以便进行模型的训练和评估。 我们首先导入了两个必要的库：`os` 和 `re`。其中，`os` 库提供了与操作系统交互的功能，包括读取目录、检查文件类型等；而 `re` 库则用于正则表达式操作，在这里主要用于从文件路径中提取类别标签。 代码定义了一个名为 `getallfile` 的函数，其作用是递归遍历指定路径下的所有子目录和文件。该函数接收一个参数 `path`，即要开始遍历的目录路径。通过调用 `os.listdir(path)` 来获取此路径下所有的文件和子目录名，并使用循环逐个处理它们。 对于每个文件或子目录，在构造完整的文件或子目录路径后，如果它是一个子目录，则函数会递归地继续遍历该子目录；若为一个文件，则其完整路径将被添加到 `allpath` 列表中，而文件名则会被加入到 `allname` 列表里。 接下来定义了一个名为 `Test` 的函数，负责处理获取的文件信息并将其写入指定的输出文件。该函数首先调用 `getallfile(path)` 来收集所有需要的信息，然后使用正则表达式从路径中提取类别标签，并将这些信息保存到文本段落件里。 这段代码实现了一个功能：递归遍历包含多级子目录的文件结构，收集所有文件的完整路径和对应的类别标签，并将其写入到一个输出文本段落件。这种数据预处理方法在深度学习项目的数据准备阶段非常有用，尤其是在处理大量分类图像时更为常见。需要注意的是，在实际应用中可能需要根据具体情况调整正则表达式以确保正确提取类别标签。