Pathlib Path.glob 实战：3 种方法实现多扩展名匹配（如 *.{jpg,png}）

Pathlib 多扩展名匹配的 3 种高效解决方案

在 Python 文件系统操作中，pathlib.Path.glob()是一个强大的工具，但它有一个明显的限制：不支持像*.{jpg,png}这样的复杂模式匹配。这个问题在 Stack Overflow 等开发者社区中频繁出现，许多开发者都在寻找优雅的解决方案。

1. 问题背景与核心挑战

pathlib模块自 Python 3.4 引入后，逐渐成为文件系统操作的首选方式。它提供了面向对象的路径操作接口，比传统的os.path和glob模块更加直观和安全。然而，当我们需要匹配多种文件扩展名时，Path.glob()的局限性就显现出来了。

考虑这样一个常见场景：你需要从一个目录中找出所有的图片文件，包括.jpg、.png和.gif格式。在 shell 中，你可以简单地使用*.{jpg,png,gif}，但在pathlib中直接这样写会报错：

from pathlib import Path # 这会抛出异常 images = list(Path('.').glob('*.{jpg,png,gif}'))

这种限制源于pathlib的设计选择——它没有实现完整的 shell 风格通配符语法。下面我们将探讨三种实用的解决方案。

2. 解决方案一：itertools.chain 组合法

itertools.chain提供了一种高效的方式来合并多个生成器的结果，而不需要创建中间列表。这是处理多扩展名匹配最优雅的方式之一：

from pathlib import Path import itertools def multi_glob(path, patterns): """支持多扩展名匹配的 glob 函数""" path = Path(path) return itertools.chain.from_iterable( path.glob(pattern) for pattern in patterns ) # 使用示例 patterns = ['*.jpg', '*.png', '*.gif'] image_files = list(multi_glob('.', patterns))

这种方法有几个显著优势：

• 内存高效：使用生成器而非列表，避免不必要的内存分配
• 代码简洁：逻辑清晰，易于理解和维护
• 灵活扩展：可以轻松添加更多匹配模式

性能对比（处理 1000 个文件）：

3. 解决方案二：fnmatch 自定义过滤

当需要更复杂的匹配逻辑时，可以结合fnmatch模块实现自定义过滤：

from pathlib import Path import fnmatch def fnmatch_glob(path, patterns): """使用 fnmatch 实现多扩展名匹配""" path = Path(path) if isinstance(patterns, str): patterns = [patterns] # 将 shell 风格模式转换为正则表达式 import re regex = re.compile('|'.join( fnmatch.translate(p) for p in patterns )) return (p for p in path.iterdir() if regex.fullmatch(p.name)) # 使用示例 patterns = ['*.jpg', '*.png', '*.gif'] image_files = list(fnmatch_glob('.', patterns))

这种方法的特点：

• 支持更复杂的模式：可以处理[0-9]、?等特殊字符
• 灵活性高：可以轻松扩展匹配逻辑
• 性能考虑：适合文件数量较少的情况

提示：对于大型目录，fnmatch方法可能比直接glob慢，因为它需要对每个文件单独检查。

4. 解决方案三：封装实用函数

为了在日常开发中更方便地使用，我们可以封装一个支持类 shell 通配符的实用函数：

from pathlib import Path import itertools import re class EnhancedPath(Path): """增强版 Path 类，支持复杂 glob 模式""" _flavour = Path._flavour # 保持平台兼容性 def enhanced_glob(self, pattern): """支持 {jpg,png} 风格的扩展名匹配""" # 处理 {...} 模式 brace_match = re.search(r'\{(.*?)\}', pattern) if not brace_match: return self.glob(pattern) # 分解多个模式 brace_content = brace_match.group(1) prefixes = pattern[:brace_match.start()] suffixes = pattern[brace_match.end():] patterns = [ f"{prefixes}{ext}{suffixes}" for ext in brace_content.split(',') ] return itertools.chain.from_iterable( self.enhanced_glob(p) for p in patterns ) # 使用示例 path = EnhancedPath('.') image_files = list(path.enhanced_glob('*.{jpg,png,gif}'))

这个实现的关键点：

1. 继承Path类，保持所有原有功能
2. 使用正则表达式解析{...}模式
3. 递归处理分解后的多个模式
4. 保持生成器特性，内存友好

5. 性能优化与最佳实践

在处理大量文件时，性能变得尤为重要。以下是几种优化策略：

5.1 缓存策略

对于频繁访问的目录，可以考虑缓存结果：

from functools import lru_cache @lru_cache(maxsize=100) def cached_glob(path, pattern): return list(Path(path).glob(pattern))

5.2 并行处理

对于非常大的目录，可以使用多线程加速：

from concurrent.futures import ThreadPoolExecutor def parallel_glob(path, patterns): with ThreadPoolExecutor() as executor: results = executor.map(lambda p: list(Path(path).glob(p)), patterns) return itertools.chain.from_iterable(results)

5.3 文件系统特性利用

不同文件系统性能特点：

5.4 实际测试数据

在包含 10,000 个文件的目录中测试（单位：毫秒）：

6. 高级应用场景

6.1 递归多扩展名匹配

结合rglob实现递归搜索：

def recursive_multi_glob(root, patterns): root = Path(root) return itertools.chain.from_iterable( root.rglob(pattern) for pattern in patterns )

6.2 排除特定文件

在匹配的同时排除某些模式：

def glob_exclude(path, include, exclude): included = set(multi_glob(path, include)) excluded = set(multi_glob(path, exclude)) return included - excluded

6.3 按修改时间过滤

结合时间条件筛选文件：

def glob_by_time(path, patterns, days=7): from datetime import datetime, timedelta cutoff = datetime.now() - timedelta(days=days) return [ p for p in multi_glob(path, patterns) if datetime.fromtimestamp(p.stat().st_mtime) > cutoff ]

在实际项目中，我发现这些技术组合使用时效果最佳。例如，在一个图片处理系统中，我们使用缓存的多模式递归搜索，配合修改时间过滤，显著提高了处理效率。