在 Python 中高效批量处理多个文件，可以通过多种方式实现，具体取决于文件类型（如文本文件、Excel、XML、图片等）以及操作需求（如读取、写入、修改、重命名、删除等）。以下是一些常见场景和对应的技术方法。 ### 1. 批量处理文件的基本方法 在处理多个文件时，通常会使用 `os` 或 `pathlib` 模块来遍历目录中的文件，再结合特定文件类型的处理库进行操作。例如： - **遍历文件夹中的文件**： ```python import os folder_path = 'your_folder_path' for filename in os.listdir(folder_path): if filename.endswith('.txt'): file_path = os.path.join(folder_path, filename) with open(file_path, 'r') as f: content = f.read() # 处理内容 ``` - **使用 `pathlib` 遍历更现代的方式**： ```python from pathlib import Path folder = Path('your_folder_path') for file in folder.glob('*.txt'): with open(file, 'r') as f: content = f.read() # 处理内容 ``` ### 2. 批量处理文本文件（.txt） 可以使用标准的文件读写操作来批量处理 `.txt` 文件，例如读取、追加、替换内容等操作[^1]。 - **读取多个 txt 文件内容并合并**： ```python import os folder_path = 'txt_files' combined_content = '' for filename in os.listdir(folder_path): if filename.endswith('.txt'): file_path = os.path.join(folder_path, filename) with open(file_path, 'r', encoding='utf-8') as f: combined_content += f.read() + '\n' with open('combined_output.txt', 'w', encoding='utf-8') as out_file: out_file.write(combined_content) ``` ### 3. 批量处理 Excel 文件 使用 `pandas` 和 `openpyxl` 等库可以高效地处理 Excel 文件。适用于数据读取、合并、筛选、写入等操作[^2]。 - **读取多个 Excel 文件并合并**： ```python import pandas as pd import glob excel_files = glob.glob('excel_files/*.xlsx') combined_df = pd.concat([pd.read_excel(f) for f in excel_files], ignore_index=True) combined_df.to_excel('combined_output.xlsx', index=False) ``` - **将 txt 数据写入 Excel**： ```python import pandas as pd data = [] for filename in os.listdir('txt_data'): if filename.endswith('.txt'): with open(os.path.join('txt_data', filename), 'r') as f: lines = f.readlines() for line in lines: data.append(line.strip().split(',')) df = pd.DataFrame(data, columns=['Column1', 'Column2']) df.to_excel('output.xlsx', index=False) ``` ### 4. 批量处理 XML 文件 使用 `xml.etree.ElementTree` 可以对 XML 文件进行解析和修改，适用于配置文件、数据提取等场景[^1]。 - **修改多个 XML 文件的内容**： ```python import xml.etree.ElementTree as ET import os folder_path = 'xml_files' for filename in os.listdir(folder_path): if filename.endswith('.xml'): file_path = os.path.join(folder_path, filename) tree = ET.parse(file_path) root = tree.getroot() for elem in root.iter('tag_name'): elem.text = 'new_value' tree.write(file_path) ``` ### 5. 批量处理图片文件 使用 `Pillow`（PIL 的现代分支）可以对图像进行裁剪、缩放、旋转、格式转换等操作，适用于图像预处理、批量修改尺寸等场景[^3]。 - **批量裁剪图片**： ```python from PIL import Image import os input_folder = 'images' output_folder = 'cropped_images' os.makedirs(output_folder, exist_ok=True) for filename in os.listdir(input_folder): if filename.lower().endswith(('.png', '.jpg', '.jpeg')): img = Image.open(os.path.join(input_folder, filename)) cropped_img = img.crop((100, 100, 400, 400)) # (left, upper, right, lower) cropped_img.save(os.path.join(output_folder, filename)) ``` ### 6. 批量生成文件 - **批量生成 PDF 文件**： 可使用 `reportlab` 或 `fpdf` 等库生成 PDF 文档[^4]。 ```python from reportlab.pdfgen import canvas for i in range(1, 6): c = canvas.Canvas(f"document_{i}.pdf") c.drawString(100, 750, f"This is document {i}") c.save() ``` ### 7. 批量删除或筛选文件 - **删除文件的第一行**： ```python import os folder_path = 'txt_files' for filename in os.listdir(folder_path): if filename.endswith('.txt'): file_path = os.path.join(folder_path, filename) with open(file_path, 'r') as f: lines = f.readlines() with open(file_path, 'w') as f: f.writelines(lines[1:]) ``` - **根据已有 txt 文件删除对应文件**： ```python import os with open('delete_list.txt', 'r') as f: delete_files = [line.strip() for line in f] folder_path = 'target_folder' for filename in os.listdir(folder_path): if filename in delete_files: os.remove(os.path.join(folder_path, filename)) ``` ### 总结 Python 提供了丰富的库和模块，使得批量处理文件变得高效且灵活。无论是文本、Excel、XML 还是图像文件，都可以通过适当的模块实现自动化处理，从而节省大量时间并减少人为错误。 ---