Python读取文件大小的两种方法：os.path.getsize与pathlib

在 Python 开发中，获取磁盘上某个文件占用的字节大小是一项高频基础任务。标准库主要提供了两条途径：历史悠久、直接便捷的 os.path.getsize() 函数，以及 Python 3.4 引入、现代风格的 pathlib.Path.stat().st_size。两者的核心目标完全一致，底层均调用操作系统的 stat 系统调用读取文件元数据并返回整数形式的字节数（Bytes），但在编程范式、调用链路以及周边功能的组合能力上存在鲜明的风格差异。

一、方法一：使用 os.path.getsize 读取文件大小

os.path.getsize 属于 Python 经典的文件路径处理工具，定义在 os.path 模块中。该函数接收文件路径（支持字符串或 PathLike 对象）作为参数，直接返回目标文件的字节数。

1. 基础用法与代码示例

在确认文件存在的前提下，直接调用 os.path.getsize(path) 即可获得结果：

import os

# 定义待读取的目标文件路径
file_path = "sample_data.csv"

# 检查路径是否存在且确为文件
if os.path.isfile(file_path):
    file_bytes = os.path.getsize(file_path)
    print(f"文件大小为：{file_bytes} 字节 (Bytes)")
else:
    print(f"路径不存在或非普通文件：{file_path}")

2. 异常捕获与健壮性处理

在实际生产环境中，若传入的路径不存在，或当前程序进程缺少对应目录的访问读取权限，os.path.getsize 会直接抛出 FileNotFoundError 或 PermissionError（它们都继承自 OSError）。先做 os.path.exists() 检查在并发环境下存在“检查时存在但读取时已删除”（TOCTOU 竞态条件）的风险，因此推荐使用 try...except 结构：

import os

file_path = "app.log"

try:
    size_in_bytes = os.path.getsize(file_path)
    print(f"读取成功，文件大小: {size_in_bytes} 字节")
except FileNotFoundError:
    print(f"错误：指定的文件不存在 -> {file_path}")
except PermissionError:
    print(f"错误：当前权限不足，无法访问该文件 -> {file_path}")
except OSError as err:
    print(f"读取文件元数据失败: {err}")

二、方法二：使用 pathlib 模块读取文件大小

Python 3.4 开始引入了 pathlib 模块（并在 PEP 519 之后深度整合进标准库各个组件）。它采用面向对象的设计思想，将文件系统中的路径建模为对象，而不是普通的字符串。

1. 基础用法与对象调用

使用 pathlib 时，首先基于路径字符串构造一个 Path 实例，随后调用其实例方法 stat()。stat() 会返回一个包含丰富元数据的 os.stat_result 对象，其中的 st_size 属性即为文件的大小：

from pathlib import Path

# 构建 Path 对象
file_path = Path("sample_data.csv")

# 检查文件是否存在且确为文件
if file_path.is_file():
    # 通过 stat() 读取元数据对象并提取 st_size 属性
    file_bytes = file_path.stat().st_size
    print(f"Pathlib 读取大小为：{file_bytes} 字节 (Bytes)")
else:
    print(f"路径无效或非文件：{file_path}")

2. 为什么 pathlib 更适合现代代码？

Path 对象的优势在于它的聚合性。在获取大小的同时，往往还需要判断文件扩展名、获取父目录、或者检查最后修改时间。如果使用 os 模块，开发者需要在 os.path.getsize、os.path.splitext、os.path.dirname、os.path.getmtime 之间反复切换并传递字符串；而 pathlib 将所有相关能力内聚在同一个对象中：

from pathlib import Path
from datetime import datetime

p = Path("sample_data.csv")

if p.exists():
    stat_info = p.stat()
    print("文件名:", p.name)
    print("扩展名:", p.suffix)
    print("父目录:", p.parent)
    print("文件大小:", stat_info.st_size, "Bytes")
    print("最后修改时间:", datetime.fromtimestamp(stat_info.st_mtime))

三、实用进阶：将原始字节转换为易读格式 (KB/MB/GB)

无论是 os.path.getsize() 还是 pathlib.Path.stat().st_size，返回的结果始终为未加工的字节数（Bytes）。例如一个 150 MB 的视频文件，其返回值为 157286400，不利于人眼直观阅读。在实际输出或日志记录时，需要将其格式化为具有适当单位的字符串。

1. 格式化换算实现

根据计算机存储规范，二进制计量单位每阶换算基数为 1024（即 1024 Bytes = 1 KiB，1024 KiB = 1 MiB）。我们可以通过循环递除或对数运算，编写一个轻量通用的换算函数：

def format_file_size(size_bytes: int) -> str:
    """
    将字节大小格式化为人类易读单位（B, KB, MB, GB, TB）
    
    :param size_bytes: 非负整数形式的字节数
    :return: 带两位小数和单位的字符串
    """
    if size_bytes < 0:
        raise ValueError("文件大小不能为负数")
    if size_bytes == 0:
        return "0.00 B"

    units = ["B", "KB", "MB", "GB", "TB", "PB"]
    current_size = float(size_bytes)
    unit_index = 0

    while current_size >= 1024.0 and unit_index < len(units) - 1:
        current_size /= 1024.0
        unit_index += 1

    return f"{current_size:.2f} {units[unit_index]}"

2. 整合进 pathlib 的实际运行效果

from pathlib import Path

target = Path("sample_archive.zip")

if target.is_file():
    raw_size = target.stat().st_size
    readable_size = format_file_size(raw_size)
    print(f"原始字节: {raw_size} Bytes")
    print(f"易读格式: {readable_size}")

四、两种方法的维度对比与技术选型

为了在工程实践中作出合理的决策，下表详细梳理了两者的核心差异：

五、开发中常见陷阱与注意事项

1. 目录与普通文件的区别： 对一个目录路径调用 os.path.getsize() 或 Path.stat().st_size，返回的并不是该目录下所有文件的总大小，而是该目录元数据结构在文件系统中占用的块空间（在 Linux/macOS 下通常固定为 4096 字节，在 Windows 下也非递归汇总）。若需要计算目录的总体积，必须通过循环遍历累加其中普通文件的大小（例如使用 os.walk() 或 Path.rglob('*')）。
2. 软链接（符号链接）的行为： 默认情况下，os.path.getsize(path) 和 Path.stat().st_size 均会跟随软链接（follow symlinks），返回其指向的目标文件的真实大小。若软链接指向的目标文件已被删除，调用会抛出 FileNotFoundError。如果你的诉求是获取软链接本身符号数据的大小，应改用 os.lstat(path).st_size 或 Path.lstat().st_size。
3. 高并发批量扫描的性能提示： 如果需要扫描成千上万个文件的大小，反复对每个路径调用 os.path.getsize() 或构造 Path 会引起大量系统调用。在遍历目录时，更推荐使用 os.scandir()，其返回的 DirEntry 对象在支持的操作系统上会在扫描目录树的同时缓存 stat 信息，直接调用 entry.stat().st_size 可大幅提升批量读取的吞吐性能。