pathlib

定义

pathlib是Python标准库中提供文件系统路径类的模块，这些类能够适配不同操作系统的路径语义，并按照平台选择相应的路径风格^[1]。模块的类沿两个方向划分：一类是纯路径(pure path)，只做不涉及输入输出的计算；另一类是实体路径(concrete path)，继承自纯路径，另外还提供执行系统调用的方法^[2]。

对于不确定该选用哪个类的使用者，通常需要的是Path，它在实例化时按程序运行所在的平台生成一个实体路径对象；PurePosixPath与PureWindowsPath这类纯路径则不会触碰操作系统^[2]。文档同时说明，若只需在字符串层面做底层的路径操作，也可以使用os.path模块^[2]。

原理

pathlib的类层次沿纯路径与实体路径、Windows风格与POSIX风格两个维度展开。PurePath是依赖系统的工厂，会按运行平台实例化PurePosixPath或PureWindowsPath；Path同样充当工厂，生成PosixPath或WindowsPath^[3]。任何纯路径类都能在任意系统上实例化，而实体路径类只能在与之匹配的系统上实例化，因为在风格不兼容的路径上执行系统调用可能引发错误或程序异常^[2]。

路径对象是不可变的，因而可被哈希，相同风格的路径之间可以比较和排序，比较时遵循该风格的大小写规则，例如Windows路径的比较不区分大小写^[4]。构造时多余的路径分隔符与「.」组件会被消除，「..」组件则不被消除；多个参数传入时会自动拼接，锚定路径的语义与os.path.join类似^[5]。

路径对象用斜杠运算符派生子路径，例如把PurePosixPath('foo')与字符串'bar'相除会得到PurePosixPath('foo/bar')，也提供行为相同的joinpath()方法^[6]。文档还指出，路径类刻意不继承内置的字符串类型，目的是避免路径对象与非路径字符串发生意外运算，如果希望路径表现为序列，需要查看专门的parts属性^[3]。

发展历程

pathlib由PEP 428提案引入，提案名为「pathlib模块——面向对象的文件系统路径」，作者为Antoine Pitrou^[7]。该模块随Python 3.4进入标准库并被列为主要新特性之一^[8]。提案把使用专门类表示路径的理由，类比为用datetime对象处理日期时间的做法，并指出部分os.path函数因向后兼容而保留了容易混淆的行为，例如abspath()在未先解析符号链接的情况下就简化「..」组件^[3]。

此后模块持续扩充。Path.walk()在3.12版加入，用于自上而下或自下而上遍历目录树。glob()与rglob()在3.12版加入case_sensitive参数，在3.13版加入recurse_symlinks参数并允许模式接受路径类对象。3.13版还改变了以「**」结尾的模式的匹配结果，此前只返回目录，此后文件与目录都会返回^[9]。

应用

在文件系统操作方面，实体路径提供了跨平台的方法集合，涵盖读取当前工作目录、用户主目录、文件状态、权限修改、存在性判断、文件类型判断、目录列举、文件打开与删除等操作^[10]。例如Path.cwd()返回当前目录对应的路径对象，Path.home()返回用户主目录对应的路径对象，Path.stat()返回与os.stat()类似的信息。

查询方面，exists()判断路径是否指向已存在的文件或目录，is_dir()与is_file()分别判断是否为目录或普通文件，这些方法在路径不存在或为断开符号链接时返回False，其他错误如权限错误则继续传播^[11]。从3.8版起，这些判断方法对包含操作系统层面无法表示字符的路径改为返回False，而不是抛出异常。

检索方面，glob()按相对模式在目录中匹配文件，模式中使用「」表示递归进入当前目录及其所有子目录，rglob()等价于在模式前加上「/」进行递归匹配^[11][12]。模式语言支持「**」「*」「?」以及字符区间等通配符，其中以点开头的文件在pathlib中并不特殊，这一点与glob模块的行为不同^[9]。

路径还能在字符串与URI之间转换：对路径调用str()得到原始的文件系统路径，as_posix()强制使用正斜杠，as_uri()生成file:形式的URI，from_uri()则从file:URI解析出路径对象^[5][12]。路径对象可以直接用在接受os.PathLike接口的地方，其字符串形式也可以传给任何以文件路径字符串为参数的函数^[4]。

局限

纯路径与实体路径的划分带来了使用限制。纯路径类不提供任何访问文件系统的方法，因此想要判断路径是否存在必须使用实体路径类，而实体路径类只能在与其风格匹配的系统上实例化，在Unix上实例化WindowsPath会失败^[2]。

性能方面，文档提示在大型目录树中使用「**」通配符做匹配会访问树中的每一个目录，搜索可能耗费大量时间^[11]。实体路径的不少方法在系统调用失败时会抛出OSError，例如路径不存在的情况^[2]。

glob()与rglob()的结果与glob模块存在若干差异：pathlib返回的值可能包含路径本身，而glob.glob(root_dir=path)的结果永远不会包含对应路径的空字符串；pathlib中「**」模式组件默认不跟随符号链接，glob模块中没有等价行为^[9]。此外，模式匹配默认使用平台相关的大小写规则，通常POSIX上区分大小写、Windows上不区分，需要显式设置case_sensitive才能覆盖。

PurePath的路径解析是纯词法操作，因此不会处理「..」的含义，文档建议在需要沿文件系统向上遍历时先调用Path.resolve()，由它解析符号链接并消去「..」部分^[1]。

参见

• Python —— pathlib所依附的编程语言，该模块自Python 3.4起成为其标准库的一部分。

• os.path —— Python中另一个处理路径的模块，以函数形式在字符串层面完成底层路径操作。

• glob模块 —— Python中按通配符匹配路径的模块，其模式行为与pathlib的glob()存在若干差异。

• PEP 428 —— 提出pathlib模块的Python增强提案，确立了面向对象路径的设计。

• 文件系统 —— pathlib所表示与操作的对象，不同平台的分隔符与路径语义由路径风格类来适配。