用glob寻找文件：递归搜索与隐藏文件注意事项

如果你在练习目录里用glob找文件，先接受一个前提：它返回的是一批路径名，顺序不固定。

按Python官方glob文档的说明，glob.glob(pathname)返回一个可能为空的路径名列表，这些路径名按Unix shell风格的通配规则匹配。文档专门提示：返回的路径名没有特定顺序；如果你需要特定顺序，要自己对结果排序。文档还补充，结果是否已排序取决于文件系统。

这句话决定了你的操作方式：拿到结果后不要假设第一个就是“最新的”或“最靠前的”，需要顺序就自己排。

本文只在你自己的练习目录里查找，例如exercise/下面。不要跟随未知外部路径，也不要把glob指向系统目录、其他程序目录或你不确定归属的位置。下面所有路径和文件都是自建练习示例，不是对真实目录的记录。动手前建议先复制一份练习目录，不要拿重要数据直接试。

一个边界：glob只做路径名匹配，不打开文件、不读内容、不判断文件是否有效。它返回的列表里可能包含失效的符号链接，文档说明broken symlinks会被包含在结果里。

如果你要在一个目录及其子目录里找文件，只写普通通配符不够，需要用到**并开启递归。

按文档说明，glob.glob(pathname, *, recursive=False)中，如果recursive为真，模式中的“**”会匹配任意文件和零个或多个目录、子目录以及指向目录的符号链接。也就是说，**负责“往下走”，recursive=True负责“允许它往下走”，两者缺一不可。

文档还给了一个容易忽略的细节：如果**后面跟着路径分隔符（os.sep或os.altsep），那么文件不会被匹配。换句话说，模式以**加斜杠结尾时，匹配到的是目录，不是文件。

下面是一个只针对练习目录的自建示例。假设练习目录exercise/demo_glob/下有若干自建文件，你想找出所有.txt：

import glob

pattern = "exercise/demo_glob/**/*.txt"
results = glob.glob(pattern, recursive=True)
for path in sorted(results):
    print(path)

这里用sorted包一层，是因为glob本身不保证顺序。sorted只是把返回的列表重新排列，不改变匹配到的内容。

本文只讲recursive和**这两个递归要素，不涉及root_dir、dir_fd等参数。

隐藏文件是glob里最容易踩空的一处。

按文档说明，默认情况下，以点（.）开头的文件只能被同样以点开头的模式匹配。这一点和fnmatch.fnmatch()、pathlib.Path.glob()不同，文档专门做了对比提示。

文档给了一个例子：目录里有card.gif和.card.gif，用*.gif只会匹配到card.gif；要用.c*这样的模式，才会匹配到.card.gif。

所以如果你在练习目录里放了一个自建的隐藏文件，比如exercise/demo_glob/.hidden_notes.txt，那么：

import glob

print(glob.glob("exercise/demo_glob/*.txt"))
print(glob.glob("exercise/demo_glob/.*"))

第一行不会列出.hidden_notes.txt，第二行才会。第二行的模式以点开头，符合“点开头的文件只能被点开头的模式匹配”这条规则。

另一个办法是使用include_hidden参数。文档说明，glob.glob(pathname, *, root_dir=None, dir_fd=None, recursive=False, include_hidden=False)中，如果include_hidden为真，通配符可以匹配以点开头的路径段。这个参数是Python 3.11新增的。

本文只讲隐藏文件默认不匹配这一条，以及点开头模式和include_hidden两种应对方式，不展开其他参数组合。

递归搜索还有一个需要提前知道的点：结果里可能出现重复路径名。

按文档说明，如果pathname里包含多个“**”模式，并且recursive为真，glob.glob()和glob.iglob()都可能返回重复的路径名。

这意味着，当你写了一个带多个**的模式时，不能默认每个文件只出现一次。需要唯一结果时，可以自己处理，例如把结果放进集合再排序：

import glob

pattern = "exercise/demo_glob/**/**/*.txt"
results = glob.glob(pattern, recursive=True)
unique_sorted = sorted(set(results))
for path in unique_sorted:
    print(path)

set负责去掉重复项，sorted负责给出稳定顺序。这两步都是在你拿到结果之后做的，不改变glob本身的匹配行为。

本文只讲重复结果这一种情况，不涉及其他去重场景。

用glob递归扫描时，如果某个子目录没有读取权限，结果可能悄悄少掉一部分，而不是报错。

按文档说明，扫描文件系统时抛出的任何OSError异常都会被抑制，其中就包括访问无读取权限目录时的PermissionError。

这条说明对你的判断很重要：当glob返回一个空列表或明显偏少的结果时，不能直接下结论说“目录里没有符合条件的文件”。可能的原因包括：模式写错、递归没开、隐藏文件没匹配、以及某些子目录因权限被跳过。

在自建练习目录里，你可以这样核对：先用一个更宽的模式看看到底能匹配到什么，再逐步收窄。

import glob

print(sorted(glob.glob("exercise/demo_glob/*")))
print(sorted(glob.glob("exercise/demo_glob/**/*", recursive=True)))

第一行只看当前层，第二行看递归结果。两行对比，能帮你判断差异是来自递归还是来自模式本身。

本文只讲权限错误被抑制这一条，不涉及如何修改权限。

递归搜索有两个限制需要在使用前知道。

第一，文档提示，在大目录树上使用“**”模式可能消耗过多时间。这不是说不能用，而是说在层级很深、文件很多的目录上，递归匹配会比较慢。练习时建议先用小目录试，确认模式写对了再扩大范围。

第二，文档说明，如果在glob调用期间有满足条件的文件被删除或新增，这个文件是否出现在结果里是不确定的。也就是说，glob给出的是调用那一刻附近的一个快照，不是实时同步的视图。

这两条限制决定了glob适合什么场景：适合在相对稳定的自建练习目录里做一次性的路径名匹配，不适合在文件频繁变动的目录上依赖它给出精确的实时清单。

本文只讲这两个限制，不涉及性能优化或并发处理。