java删除当前文件以及包括当前所在文件夹及其所有子文件夹的所有空文件夹

BAT026:删除当前目录及子目录下的空文件夹 摘要:编写批处理,实现批量删除当前目录及子目录下的空文件夹。 阅读详情

java删除当前文件以及包括当前所在文件夹及其所有子文件夹的所有空文件夹

@Test
public void testDeleteFileAndEmptyDirectory() {
    deleteFileAndEmptyDirectory("D:\\Temp\\testFile\\", "111.txt");
}

public static void deleteFile(String filePath) {
    File file = new File(filePath);//输入要删除文件目录的绝对路径
    System.out.println(filePath);
    System.out.println("file.exists() is " + file.exists());
    if (file.delete()) {
        System.out.println("文件删除成功!");
    } else {
        System.out.println("删除失败");
    }
}
//删除某文件目录下的所有空白文件夹
public static void deleteEmptyDirectory(File file) {
    //1、如果本来文件就为null,那么就返回
    if (file == null) return;
    //2、判断文件不为null或文件目录存在
    if (!file.exists()) {
        System.out.println("文件删除失败,请检查文件是否存在以及文件路径是否正确");
        return;
    }
    //3、获取目录下子文件
    File[] files = file.listFiles();

    //4.1判断存在子文件,不存在子文件,则删除
    if (files == null || files.length == 0) {
        System.out.print("目录名:" + file.getName());
        file.delete();
        System.out.println("被删除!");
        return;
    }

    //4.2 遍历该目录下的文件对象
    for (File f : files) {
        if (f.isDirectory()) deleteEmptyDirectory(f);
    }

    if (file != null && file.listFiles().length == 0) {
        System.out.print("目录名:" + file.getName());
        file.delete();
        System.out.println("被删除!");
    }
}
//删除当前文件以及包括当前所在文件夹及其所有子文件夹的所有空文件夹
public static void deleteFileAndEmptyDirectory(String directoryPath, String fileName) {
    deleteFile(directoryPath + "\\" + fileName);
    deleteEmptyDirectory(new File(directoryPath));
}
从零到一:ArduPilot无人船PID调参实战指南 本文详细介绍了ArduPilot无人船PID调参的实战指南,从基础参数设定到高级调参技术,帮助用户掌握水面环境下的PID控制逻辑。通过案例分析和参数示例,解决无人船在空载、负载变化及不同水域环境中的航行问题,提升无人船的稳定性和精确度。 阅读详情

相关推荐

(南京观海微电子)——GH700X调试指南--SPI 接口+LVDS-测试盒使用方法

1表示OTP完成后,读取烧录值是否一致来判断是否烧录成功,2表示同时检测VCOM是否一致以及烧录次数是否增加,3表示不做任何检测,由用于自行在程序中判断。[格式]:SetFindVcomEn (<开启或关闭>),ON表示开启VCOM搜寻,默认是开启的,只要使能OTP烧录,按OTP按键则进行VCOM查询;[功能]:OTP完成检测类别,用于设置OTP完成后检测OTP次数还是OTP值来判断OTP是否成功。[功能]:用于设置VCOM查询使能,比如需要烧全代码而不需要对VCOM查询时,可以禁止VCOM查询。

m0_75095200的博客 1666

java中删除文件/文件夹的3种方法

java删除文件、java删除整个文件夹下的所有文件

dxjren的博客 2万+

保姆级教程:在PyCharm里用Continue插件一键接入DeepSeek API(含乱码修复)

本文详细介绍了如何在PyCharm中通过Continue插件无缝集成DeepSeek API,提供从环境准备到高级配置的全流程指南,包括解决常见的乱码问题。通过本教程,开发者可以轻松实现AI编程助手的高效调用,提升代码编写和调试效率。

weixin_30275415的博客 850

用bat删除文件夹下空文件

替换为你要删除空文件夹的路径。运行脚本后,它会遍历指定路径下的所有文件夹,并删除其中没有子文件或子文件夹的空文件夹。

weixin_43730448的博客 4945

RK平台MPP编解码实战:从源码编译到性能测试全解析

本文详细解析了在RK(瑞芯微)平台上进行MPP(Media Process Platform)多媒体编解码实战的全过程。从源码获取、交叉编译环境搭建、常见编译问题排查,到测试程序的修改调试与性能测试分析,提供了从零到一的完整指南。文章通过实测数据展示了MPP硬件编解码在嵌入式设备上的高性能与低功耗优势,帮助开发者快速掌握这一关键技术,应用于智能摄像头、视频会议终端等产品开发。

weixin_28273593的博客 544

用Python实现辅助病案首页主诊断编码:从数据清洗到模型上线(上)

本文介绍了一个使用Python构建AI辅助病案首页主诊断编码系统的完整指南。文章从环境搭建开始,详细讲解了数据准备与清洗策略,包括数据格式标准化、文本清洗与脱敏处理等关键步骤。系统采用深度学习技术处理复杂的医疗文本,解决ICD编码面临的文本复杂性、专业性和数据不一致性等挑战。文中提供了完整的代码实现,涵盖数据预处理、敏感信息脱敏、文本分割等实用功能模块,帮助医疗机构构建可落地、可扩展的智能编码系统,提高编码准确性和工作效率。

AllenLV的博客 924

Windows使用技巧

新建、删除、移动、复制 => 文件/文件夹 # 新建文件/文件夹 type nul > file_name # 创建空文件 cd. > file_name # 创建空文件 echo content > file_name # 创建非空文件 md folder_name # 创建文件夹 mkdir folder_name # 创建文件夹 # 删除文件 del <file_name> # 删除 文件 del <folder_name> # 删除 f

weixin_44990670的博客 256

App爬虫实战篇-以华为真机手机爬取集换社的app为例

在开始学习这篇文章之前,建议你先按照之前2篇文章(和),配置必要的环境,才可以继续完成本章节内容。

youbingchen的博客 780

rmdir :删除空文件夹

在 Linux 系统中,rmdir​ 命令用于删除空目录(文件夹)。‍。

qq_38641599的博客 678

具身智能:原理、算法与系统 第3章 具身智能的感知-认知-行为框架

具身智能的PCB框架源于对生物智能系统的观察:动物通过感官接收环境信息(感知),基于内部模型进行预测和决策(认知),并通过身体执行动作改变环境(行为),而这一改变又通过感知反馈形成闭环。这一框架在两篇核心文献中得到了深入阐述:提出了系统的数学形式化和工程实现,则从认知科学角度强调了归纳偏置和双过程理论的重要性。

VectorShift的博客 155

【数据同化第一期】基本概念介绍

【数据同化第一期】基本概念介绍

WW、forever的博客 1904

Java代码删除文件夹及其子文件夹所有内容

Java中的File文件类提供删除方法,但是当我们需要删除的文件夹存在子文件夹时是无法删除的,这里利用递归来写一个简单的方法进行删除文件夹! 新建文件夹,供我们进行测试: public class FileTest { public static void main(String[] args) throws Exception { File file = new Fi...

做梦的咸鱼 4841

Vue 前端导出页面A4大小pdf,Vue前端导出pdf自动切割换页不切割内容 Vue导出页面pdf自动分页和添加页码 导出的pdf提高清晰度

【代码】Vue 前端导出页面A4大小pdf,Vue前端导出pdf自动切割换页不切割内容 Vue导出页面pdf自动分页和添加页码 导出的pdf提高清晰度。

weixin_41346436的博客 1799

Java实现文件及文件夹的删除

Java实现文件及文件夹的删除 1、删除单个文件 public static boolean deleteFile(String fileName) { File file = new File(fileName); // 如果文件路径只有单个文件 if (file.exists() && file.isFile()) { if (file.delete()) { System.o

yh991314的博客 8862

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

java文件夹遍历包括子文件夹的遍历和删除

------------------------------java文件夹遍历包括子文件夹的遍历和删除-------------------------- 递归就是方法调用方法自身,递归一定有条件跳出。        如何使用递归的计算方式计算阶乘       5!= 5*4*3*2*1       ..       N!= n*(n-1) 例子:public  class FileDemo8 {...

李昆鹏的博客 1959

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Java中如何删除非空文件夹

import java.io.File; public class Feikong { public static void main(String[] args) { File file=new File("E:\\1"); findDelectFile(file); } //创建一个方法,来查看文件夹是否为空 public static void findDelectFile(File file){ //获取该文件下所有子

weixin_49496988的博客 1232

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

java删除特定前缀名的文件夹及其下的所有文件

要求:删除D盘下名称前缀为picture的文件夹及其下面的所有文件 我创建了下面3个文件夹和一个pictre和pictureMM文件,每个文件夹都放了一个新建文件.txt文件 直接上代码: /** * 删除文件夹及其文件 */ public class DeleteFileUntil { /** * 删除功能 */ public static void deleteFile(File directory){ if (!directory.i

qiaodaima0的博客 2106

java删除文件夹及下面的所有文件

java中一般通过file里面的delete()方法来删除文件,但是如果是用来删除文件夹的话 却会不起作用。下面来记录一下删除文件夹的方法 这里的folderPath是文件夹的路径 //删除文件夹 public static void delFolder(String folderPath) { try { delAllFile(folderPath); //先删除这个文件夹下面的所有...

qq_39863737的博客 3823

Java 删除文件夹的办法

Java 删除文件夹的办法 File file = new File("D:/defonds/temp");         如果 "D:/defonds/temp" 是一个空目录的话,可以成功删除。但是如果是一个非空目录的话,就无法成功删除,必须将其子文件(目录)删除干净才可删除成功。使用以下的方法可以成功删除非空文件夹: //递归删除文件夹 private void

Defonds 的专栏 4万+

java递归删除空文件夹_Java 删除空文件夹和文件夹及其下面的文件

一、删除代码:package deletedir;import java.io.File;public class DeleteDir {//删除空目录public void doDeleteEmptyDir(String dir) {boolean success = (new File(dir)).delete();if (success) {System.out.println("Succe...

weixin_39712016的博客 666

Java中File类的基本用法,输出指定文件夹下以及其子文件夹下所有的文件名

Java中IO流的基本用法(一) 一、IO流基础知识点简介: 1.File类中对文件的基本操作: 在内存中创建文件的对象File file = new File(“demo.txt”); 获取文件名file.getName(); 获取该文件的绝对路径file.getAbsolutePath(); 获取文件的相对路径file.getPath(); 获取文件的父目录file.getParent(); 查看文件是否被隐藏file.isHidden(); 获取该文件最后的修改时间file.lastModified

面向人民币编程的博客 2981

java删除一个文件夹及其下面的所有子文件夹和文件

需要注意的是,`delete()`方法只能用于删除空文件夹或单个文件,如果要删除非空文件夹,必须使用递归方式先删除其包含的所有子文件夹和文件,然后再将该文件夹本身删除。此外,删除操作可能具有危险性,因此建议在调用`delete()`方法前仔细检查要删除的文件或文件夹是否存在,以及当前用户是否拥有该文件或文件夹的删除权限。

业务能力是技术能力的基础! 2673

java删除非空文件夹

java删除文件夹。

feinifi的博客 3361

删除文件夹及其子文件夹和文件

删除文件夹及其子文件夹和文件 一、首先创建几个文件夹和文件 package com.inspire; import java.io.File; import java.io.FileOutputStream; public class test16 { public static void main(String[] args) { outputClazz(new byte[]{1,2,3},"com.inspire.test","D:/ttttt1/"); ou

weixin_42424330的博客 5576

Java删除文件夹及其包含文件

1 package com; 2 3 import java.io.File; 4 5 public class LocalUtils { 6 7 /** 8 * 删除本地文件夹及包含文件 9 * @param dir 10 */ 11 public static void deleteLocalDir(...

weixin_30596165的博客 1317

java删除文件夹及其内部文件

Java中普通file对象的delete方法只能删除文件或者空文件夹,无法删除非空文件夹,更别提层层套娃的文件夹,所以就要用到递归了! public static void delDir(String path){ File file = new File(path); //如果是文件,直接删除 if(file.isFile()){ file.delete(); }else{ //如果是文件夹,获取内层文件集合 File[] inFiles = file.listFiles(); /

aosimth的博客 584
上一篇: java删除某文件
下一篇: golang读取json文件
xin麒
博客等级 码龄6年 110粉丝 161原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值