排除 os.walk 中的目录

问题描述：

我正在编写一个脚本，该脚本会深入目录树（使用 os.walk()），然后访问与特定文件扩展名匹配的每个文件。但是，由于我的工具将要使用的某些目录树还包含子目录，而这些子目录又包含大量无用的东西（对于此脚本的目的而言），因此我认为我应该为用户添加一个选项，以指定要从遍历中排除的目录列表。

使用 os.walk() 很容易做到这一点。毕竟，我是否真的想访问 os.walk() 产生的相应文件/目录或只是跳过它们取决于我自己。问题是，如果我有这样的目录树：

root--
     |
     --- dirA
     |
     --- dirB
     |
     --- uselessStuff --
                       |
                       --- moreJunk
                       |
                       --- yetMoreJunk

并且我想排除uselessStuff及其所有子目录，os.walk() 仍将深入到uselessStuff的所有子目录（可能数千个），这无疑会大大降低速度。在理想情况下，我可以告诉 os.walk() 甚至不要再产生uselessStuff的任何子目录，但据我所知，没有办法做到这一点（有吗？）。

有人有想法吗？也许有第三方库提供类似的东西？

解决方案 1：

dirs 就地修改将修剪访问的（后续）文件和目录os.walk：

# exclude = set(['New folder', 'Windows', 'Desktop'])
for root, dirs, files in os.walk(top, topdown=True):
    dirs[:] = [d for d in dirs if d not in exclude]

来自帮助（os.walk）：

当 topdown 为真时，调用者可以就地修改 dirnames 列表（例如，通过 del 或切片分配），并且 walk 将仅递归到名称保留在 dirnames 中的子目录中；这可用于修剪搜索......

解决方案 2：

...@unutbu 的优秀答案的另一种形式，读起来更直接一些，因为其目的是排除目录，代价是 O(n**2) 与 O(n) 时间。

list(dirs)（为了正确执行，需要复制目录列表）

# exclude = set([...])
for root, dirs, files in os.walk(top, topdown=True):
    [dirs.remove(d) for d in list(dirs) if d in exclude]