Pythonでディレクトリを再帰的にスキャンする方法【os.walkの使い方を解説】

Pythonでは、標準ライブラリの os.walk() 関数を使うことで、ディレクトリツリーを再帰的にたどることができます。指定したディレクトリを出発点として、サブディレクトリを順次処理しながら、各階層のパス・フォルダ名・ファイル名を取得できます。

os.walk() を使った実装例

import os

for dirpath, dirs, files in os.walk("./my_directory/"):
    for filename in files:
        fname = os.path.join(dirpath, filename)
        with open(fname) as myfile:
            print(myfile.read())

上記のプログラムは、my_directory 配下のディレクトリツリーを再帰的に走査し、見つかったすべてのファイルの内容をコンソールに出力します。

os.walk() の仕組み

os.walk() は、ループのたびに次の3つの値を返します。

• dirpath: 現在走査中のディレクトリへのパス（文字列）
• dirs: dirpath 内に含まれるサブディレクトリ名のリスト
• files: dirpath 内に含まれるファイル名のリスト（サブディレクトリは含まれません）

os.walk() はデフォルトでトップダウン方式で走査するため、必要に応じて dirs の内容を書き換えれば、走査対象のディレクトリを動的に制御することも可能です。

pathlib を使ったモダンな代替方法

Python 3.4 以降では、より直感的に書ける pathlib モジュールを利用することもできます。

from pathlib import Path

for file_path in Path("./my_directory").rglob("*"):
    if file_path.is_file():
        with open(file_path) as myfile:
            print(myfile.read())

rglob("*") を使うと、配下のすべてのファイルとディレクトリを再帰的に取得できます。コードがシンプルになり、WindowsとLinuxなどOS間のパス表記の違いも自動的に吸収される点がメリットです。

単純な一覧取得なら pathlib、細かい制御が必要な場合は os.walk() というように、目的に応じて使い分けるとよいでしょう。