Python批量处理文件推荐用pathlib遍历（如Path(".").rglob("*.txt")），os.walk适合深层嵌套统计，需注意路径准确、异常控制、编码指定（utf-8）、覆盖防护及进度提示。
Python批量处理文件，核心是用 os 或 pathlib 扫描目录结构，再结合具体逻辑（如读取、重命名、过滤、转换）逐个操作文件。关键不是写得复杂，而是路径准确、异常可控、逻辑清晰。
用 pathlib 遍历所有文件（推荐新手）
pathlib 是 Python 3.4+ 内置模块，语法简洁、跨平台友好，比 os.walk 更易读。
- 扫描当前目录下所有 .txt 文件：
from pathlib import Path
for f in Path(".").rglob("*.txt"):
if f.is_file():
print(f.name, f.parent) - 只扫一级子目录（不递归）：
for f in Path("data").iterdir():
if f.is_file() and f.suffix == ".csv":
process_csv(f)
用 os.walk 处理深层嵌套结构
需要明确获取“根目录、子目录名列表、文件名列表”三元组时，os.walk 更直接，尤其适合按层级做统计或跳过特定文件夹。
- 跳过名为 "__pycache__" 或 "temp" 的目录：
import os
for root, dirs, files in os.walk("project"):
dirs[:] = [d for d in dirs if d not in ("__pycache__", "temp")]
for file in files:
if file.endswith(".log"):
archive_log(os.path.join(root, file))
安全读写：避免覆盖、编码错误和权限问题
批量操作最常出错的不是逻辑，而是路径拼错、中文乱码、静默覆盖。
立即学习“Python免费学习笔记（深入）”；
- 读文本文件务必指定 encoding，尤其 Windows 下默认 cp1252：
with open(f, encoding="utf-8") as fp:
content = fp.read() - 写入前检查目标路径是否存在，避免 OSError：
output = f.with_suffix(".clean.csv")
output.parent.mkdir(parents=True, exist_ok=True)
output.write_text(clean_data, encoding="utf-8") - 重命名/移动前加 exists() 判断，防止意外覆盖：
if not new_path.exists():
f.rename(new_path)
else:
print(f"跳过 {f.name}：目标已存在")
加进度提示与简单日志（实用但不啰嗦）
处理几百个文件时，卡住或没反应容易让人怀疑脚本挂了。一行 print 或 tqdm 就够用。
- 基础计数提示（无需装包）：
files = list(Path("input").rglob("*.json"))
for i, f in enumerate(files, 1):
process(f)
print(f"\r处理中: {i}/{len(files)}", end="") - 想更专业点，pip install tqdm 后：
from tqdm import tqdm
for f in tqdm(files, desc="解析 JSON"): process(f)
