文件遍历这活儿，文件遍历说穿了就是文件遍历跟目录树死磕。你给程序一个根路径，文件遍历它就得像个不知疲倦的文件遍历邮差，挨家挨户敲开每个文件夹的文件遍历门，把里面的文件遍历文件清单全抄回来。这事儿听起来简单，文件遍历真做起来，文件遍历坑比想象中多。文件遍历

我去年接手过一个老项目，文件遍历里头有个功能要扫描服务器上几万个图片文件。文件遍历第一版代码写得挺天真，文件遍历递归嘛，文件遍历一层层往下钻，文件遍历遇到文件就记录路径。文件遍历本地测试没问题，一上生产环境就卡死，CPU飙到百分百，内存像漏了底的水桶。查了半天，发现是某个目录下套了符号链接，递归函数在那儿原地转圈，跟鬼打墙似的。后来加了visited集合，记录已经访问过的真实路径，才算把死循环给治了。

遍历策略也有讲究。深度优先和广度优先，看着差不多，实际用起来天差地别。深度优先省内存，适合目录层级深但每层文件少的场景，比如Java的maven仓库。广度优先则适合需要先看全局结构的场合，像文件管理器平铺展示所有子目录。我习惯用栈模拟递归，这样能手动控制遍历顺序，遇到权限不足的目录还能优雅地跳过，不至于整个程序崩掉。

真正让人头疼的是文件系统本身的怪脾气。Windows上路径分隔符是反斜杠，Linux是正斜杠，跨平台代码里要是写死了分隔符，准得闹笑话。还有文件名编码问题，中文、日文、韩文混在一起，一不小心就乱码。更别提那些带特殊字符的文件名——空格、括号、emoji，甚至换行符，都能让解析逻辑当场翻车。我见过最离谱的，是个文件名里藏着退格键的恶意文件，打印出来看着正常，实际上路径早就被篡改了。

性能优化这块儿，很多人一开始就走偏了。以为用多线程并行遍历能快几倍，结果磁盘I/O成了瓶颈，线程全在等硬盘响应，反而拖慢速度。我试过用异步非阻塞I/O，在SSD上确实有提升，但机械硬盘上效果不明显。最实用的技巧其实是减少系统调用次数——一次readdir拿完整个目录列表，别一个一个stat。批量操作比逐个请求快得多，这个道理跟去超市购物似的，一次性把清单上的东西全买了，比跑十趟便利店高效。

遍历完文件，接下来就是怎么处理这些结果。有人喜欢把路径全塞进内存里的列表，几万个文件还好说，到了几百万级别，内存就吃不消了。这时候得用迭代器模式，边遍历边处理，像流水线一样。我写过一个工具，每扫描到一个文件就立刻计算哈希值，同时把结果写入数据库，内存占用始终保持在几十兆以内。还有个细节容易忽略：文件可能在遍历过程中被删除或移动。你得做好心理准备，拿到的路径可能瞬间就失效了，处理异常时得留一手。

最后说点实在的。文件遍历看着是基础功能，但写得好不好，直接关系到整个应用的健壮性。别迷信现成的库函数，它们处理不了所有边界情况。自己动手写一遍，才能摸清文件系统的脾气。踩过那些坑之后，你会发现，遍历文件就像跟操作系统对话——你得顺着它的性子来，它才肯老老实实把家底都交给你。