Python 高效查找最大文件的实现方案

栗子

发布时间：2026-10-14 | 2人浏览过

原创

本文介绍如何使用 Python 快速定位占用空间最大的文件以释放磁盘空间。通过遍历目录并结合 heapq 模块的大顶堆算法，可高效筛选出指定数量的最大文件。文中提供了适用于 macOS/Linux 和 Windows 系统的完整代码示例及性能测试结果，帮助开发者快速清理冗余数据。

背景与问题概述

当前计算机普遍采用固态硬盘，尽管读写速度显著提升，但存储容量往往有限，导致磁盘空间不足的情况时有发生。面对此类问题，删除体积庞大的非必要文件是释放空间最直接且有效的手段。

那么，如何高效地识别出这些占用空间最大的文件？例如，我们需要找出体积最大的前 10 个文件。

核心思路如下：首先遍历指定目录，利用生成器依次返回文件路径及其大小；随后，将这些数据插入一个容量为 10 的大顶堆中；最后，从堆中提取并打印结果即可。

Python 实现方案与代码示例

借助 Python 语言，实现该逻辑的代码非常简洁：


import os 
import time 
 
from os.path import join, getsize 
from heapq import nlargest 
 
 
def walk_files_and_sizes(start_at: str): 
    for root, _, files in os.walk(start_at): 
        for file in files: 
            path = join(root, file) 
            try: 
                size = getsize(path)  # bytes 
                yield path, size 
            except OSError: 
                continue 
 
 
def largest_files(n: int, start_at: str) -> None: 
    MB = 1024 * 1024 
    largest = nlargest(n, walk_files_and_sizes(start_at), key=lambda x: x[1]) 
 
    for path, size in largest: 
        print(f'{size//MB} MB {path}') 
 
 
 
if __name__ == '__main__': 
    start = time.perf_counter() 
    largest_files(10, "/Users/aaron/") 
    elapsed = time.perf_counter() - start 
    print(f'{elapsed} seconds elapsed')

在实际测试中，对容量约为 200 GB 的目录进行扫描，整个流程仅需 123 秒即可完成：