最可靠方案是用 os.walk() 递归遍历并累加文件大小，配合异常捕获跳过权限错误、inode 去重防硬链接重复计算、统一单位换算（如 gib=1024³）、超时控制与进度反馈，兼顾跨平台兼容性与精度要求。
用 os.walk() 遍历并累加文件大小最可靠
直接调用 os.stat() 获取单个文件大小没问题，但对整个目录，必须递归遍历所有子目录和文件。os.walk() 是标准库中唯一能稳定处理符号链接、权限异常、嵌套层级的方案。别用 pathlib.Path.rglob("*")——它在遇到权限拒绝时会直接抛 PermissionError 中断，而 os.walk() 可以通过异常捕获跳过。
实操建议：
- 用
topdown=True（默认）避免进入无权限子目录前先触发错误 - 对每个
root, dirs, files元组，只对files列表中的项调用os.path.join(root, f)+os.path.getsize() - 遇到
OSError（如PermissionError或FileNotFoundError）时continue，不要break - 累计变量用
int，别用float，避免浮点精度误差影响阈值判断
阈值单位要统一换算，别混用 GiB/GB/MB
用户常把“10G”理解成 10 × 1024³ 字节（GiB），但系统工具（如 du -h）默认显示的是十进制 GB（10⁹ 字节）。Python 里没内置单位解析，必须手动转。
常见错误现象：if total_size > 10 * 1024 * 1024 * 1024 看似正确，但如果阈值来自配置文件字符串（如 "10GB"），不解析就直接比较会出错。
实操建议：
- 定义统一换算因子：比如
GiB = 1024**3，GB = 10**9，明确标注用途 - 若读取配置项（如 YAML/INI），先用正则提取数字和单位，再按约定映射：
{"GB": GB, "GiB": GiB, "MB": 1024**2} - 打印诊断信息时，用
round(total_size / GiB, 2)展示为 GiB，避免用户困惑
大目录下 os.walk() 卡住？加超时和进度反馈
os.walk() 本身不支持超时，遇到挂载失败的 NFS 目录或卡死的 symlink 可能无限阻塞。而且对 TB 级目录，用户不知道程序是否还在运行。
实操建议：
- 用
signal.alarm()（仅 Linux/macOS）或threading.Timer包裹遍历逻辑，超时后主动中断 - 每处理完 1000 个文件，打印一次当前累计大小（用
sys.stderr避免干扰 stdout 输出） - 跳过设备文件（
os.path.isdev()）和 socket 文件，它们的getsize()可能返回 0 或异常 - 慎用
os.scandir()替代 —— 它虽快，但 Python 3.7+ 才稳定支持递归，且异常处理更复杂
跨平台注意 Windows 的硬链接与重解析点
Windows 下 NTFS 硬链接和目录交接点（junction）会导致重复计算：同一文件被多个路径引用，os.walk() 默认会分别计入。Linux 的硬链接也会被重复统计，但符号链接（symlink）默认不跟随（follow_symlinks=False）。
实操建议：
- Windows 上开启
follow_symlinks=False（默认），但需额外检查os.path.islink()并跳过，防止循环遍历 - 用
os.stat().st_ino和os.stat().st_dev组合去重：缓存已见过的(ino, dev)对，重复则跳过 - 不要依赖
os.path.realpath()去重——它在 junction 点上行为不稳定，且开销大 - 若业务允许，加开关参数控制是否去重，因为去重会增加内存占用（尤其海量小文件）
实际跑起来才发现，inode 去重逻辑在百万级文件目录里会让内存涨一倍，而跳过硬链接又可能漏算真实占用。阈值检测这事，真得看清楚你到底想测“磁盘占用”还是“路径下可见字节数”。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
