os.walk()是Python标准库中遍历深层目录最直接的方法，它天然递归、返回(root, dirs, files)三元组，支持原地修改dirs剪枝、深度优先遍历且不栈溢出。
用 os.walk() 遍历深层目录最直接
os.walk() 是 Python 标准库中处理嵌套目录的首选，它天然支持递归、不依赖第三方包、且能同时拿到路径、子目录名和文件名。它按深度优先顺序逐层下探，每进入一个目录就返回一次三元组，不用自己写递归逻辑或担心栈溢出。
常见错误是误以为它只返回文件路径——其实它返回的是 (root, dirs, files)，其中 dirs 是当前目录下的子目录列表（可原地修改以控制是否继续遍历），files 才是当前目录下的文件名列表。
- 想跳过某些子目录？直接对
dirs做 in-place 修改，比如dirs[:] = [d for d in dirs if d != "node_modules"] - 要获取完整文件路径？用
os.path.join(root, f)拼接，别用字符串拼接 - 注意
os.walk()默认会遍历所有子目录，包括符号链接指向的目录（除非传follow_symlinks=False）
用 pathlib.Path.rglob() 过滤文件更简洁
如果你用的是 Python 3.5+，pathlib 的 rglob() 是更现代、更可读的选择。它本质是递归版的 glob()，支持通配符，返回 Path 对象，自带路径操作方法。
典型误用是写成 Path("root").rglob("*.py") 后直接打印结果——但 rglob() 返回的是生成器，不加 list() 或循环遍历，你看不到任何输出；另外它不会自动排除 .git 或 __pycache__ 这类目录，得靠模式或后续过滤。
- 匹配多个后缀：写成
rglob("*")再用.suffix in {".py", ".js"}判断，别试图用**/*.py|*.js（glob 不支持|） - 跳过隐藏目录：在循环里加
if not part.name.startswith(".")，或用is_dir() and part.name.startswith(".")提前 continue -
rglob()性能略低于os.walk()，因为内部做了更多路径解析；对百万级小文件目录，差异会明显
过滤逻辑放哪？别在遍历中途做 I/O 判断
很多人习惯在遍历过程中对每个文件调用 os.path.getsize() 或 open().read(100) 来判断内容，这会导致严重性能下降——尤其是网络文件系统或大目录时，I/O 成为瓶颈。
真正该在遍历时做的，只有轻量过滤：扩展名、文件名模式、路径关键词、stat() 中的元信息（如 st_size、st_mtime）。重逻辑（比如读文件头、正则匹配内容）应放到筛选后的文件列表上批量处理。
- 扩展名过滤优先用
path.suffix.lower() == ".log"，别用str(path).endswith(".log")（路径含大小写时易错） - 需要排除临时文件？检查
path.name.startswith(".") or path.name.endswith("~") or path.name.endswith(".swp") - 用
path.stat().st_size > 0过滤空文件，比os.path.getsize()稍快，因复用已有的stat结果
遇到权限错误或中断怎么办？os.walk() 默认不捕获异常
os.walk() 在遇到无权限目录（如 /root）或损坏符号链接时，默认抛出 PermissionError 或 OSError 并终止整个遍历。这不是 bug，是设计行为——它不帮你吞异常。
解决办法是把 os.walk() 包进 try/except，并在 topdown=True 模式下，用 onerror 回调接管错误。这个回调函数接收一个异常对象，你可以选择忽略、记录，或主动从 dirs 中移除问题目录。
- 最简容错：传
onerror=lambda err: None，静默跳过所有错误目录 - 想记录但不停止：用
logging.warning("skip %s: %s", err.filename, err) -
pathlib.rglob()遇到权限错误会直接抛出，没内置onerror机制，必须用try/except包裹整个循环
实际递归过滤的关键不在“怎么走”，而在“在哪停”和“怎么筛”。很多人卡在路径拼接错误或异常中断上，而不是算法本身。多花十秒看一眼 os.walk() 的文档里 dirs 可修改那句，比查五篇博客有用。
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！
