对python中的 os.mkdir和os.mkdirs详解

yipeiwu_com6年前Python基础

创建目录

在Python中可以使用os.mkdir()函数创建目录(创建一级目录)。

其原型如下所示:

os.mkdir(path)

其参数path 为要创建目录的路径。

例如要在D盘下创建hello的目录

>>> import os

>>> os.mkdir('d:\hello')

可以使用os.makedirs()函数创建多级目录。

其原型如下所示:

os.makedirs(path)

其参数path 为要创建目录的路径。

如在D盘下创建books的目录,books目录下在创建book目录

>>> import os

>>>os.makedirs('d:\\books\\book')

删除目录

在Python中可以使用os.rmdir()函数删除目录。

其原型如下所示:

os.rmdir(path)

其参数path 为要删除的目录的路径。

例如把D盘下的hmm的目录删除

>>> import os

>>> os.rmdir('d:\hmm') 

删除多级目录

在Python中可以使用os.removedirs()函数删除多级目录。

其原型如下所示:

os.removdirs(path)

其参数path 为要删除的多级目录的路径。

>>> import os

>>> os.removedirs('d:\\books\\book')

#注意:要删除的目录必须是空目录,,

删除文件

在Python中可以使用os.remove()函数删除文件(注意一定是一个文件)。

其原型如下所示:

os.remov(path)

其参数path 为要删除的文件的路径。

如删除D盘下books目录下book目录中的book.txt的文件

>>> import os

>>>os.remove('d:\\books\\book\\book.txt')

遍历目录

在Python中可以使用os.walk()函数遍历目录。

其原型如下所示:

os.walk(path)

其参数path 为要遍历的目录,遍历path,返回一个对象,他的每个部分都是一个三元组 ('目录x',[目录x下的目录list],目录x下面的文件) 。

如:

>>> a=os.walk('d:\\books')
>>> def fun():
    for i in a:
      print i
>>> fun()
('d:\\books', ['book'], ['aa.txt'])
('d:\\books\\book', [ ], [ ])

判断是否为目录

在Python中可以使用os.path.isdir()函数判断某一路径是否为目录。

其函数原型如下所示:

os.path.isdir(path)

其参数 path为 要进行判断的路径。如果是则返回TRUE,否则返回FALSE。

判断是否为文件

在Python中可以使用os.path.isfile()函数判断某一路径是否为文件。其函数原型如下所示。

os.path.isfile(path)

其参数path为要进行判断的路径。如果是则返回TRUE,否则返回FALSE。

以上这篇对python中的 os.mkdir和os.mkdirs详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

python Django框架实现自定义表单提交

除了使用Django内置表单,有时往往我们需要自定义表单。对于自定义表单Post方式提交往往会带来由CSRF(跨站请求伪造)产生的错误"CSRF verification failed....

解决Spyder中图片显示太小的问题

最近在做机器学习的作业,需要画决策树。在Spyder中把代码跑了一遍,发现决策树出现在了Spyder的console中,而且图片很小,那些字体都叠在一起。网上搜了一圈好像也没找到解决方案...

python操作kafka实践的示例代码

python操作kafka实践的示例代码

1、先看最简单的场景,生产者生产消息,消费者接收消息,下面是生产者的简单代码。 #!/usr/bin/env python # -*- coding: utf-8 -*- impor...

python被修饰的函数消失问题解决(基于wraps函数)

这篇文章主要介绍了python被修饰的函数消失问题解决(基于wraps函数),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 当使用@修...

利用Python将数值型特征进行离散化操作的方法

如下所示: data = np.random.randn(20) factor = pd.cut(data,4) pd.get_dummies(factor) 0 0 0...