MATLAB文件批量读取：从dir函数到健壮循环的完整指南

1. 从“文件读取”这个看似简单的任务说起

如果你刚开始接触MATLAB，或者正在处理一个需要批量分析数据的新项目，那么“读取某一文件夹下的文件”这个需求，几乎是你绕不开的第一步。听起来很简单，对吧？不就是把文件读进来吗？但实际操作起来，你会发现这里面藏着不少门道。比如，文件夹里可能有几十上百个文件，你只想读取特定格式（比如.txt或.xlsx）的；或者，文件名虽然相似但包含日期编号，你需要按顺序读取；再或者，文件大小不一，直接全部读入可能导致内存溢出。这些问题，都不是一个简单的load或importdata函数能轻松搞定的。

我自己在早期做数据分析时就踩过坑。当时手头有一个文件夹，里面混合了实验生成的.dat文本文件和用于说明的.pdf文档。我想当然地用了一个通配符*去读取，结果程序因为试图打开PDF文件而报错中断，浪费了不少时间排查。自那以后，我就明白，在MATLAB中，稳健地读取文件夹下的文件，是一个需要“组合拳”的技能。它不仅仅是调用一个函数，而是涉及路径操作、文件筛选、信息获取和循环读取等一系列操作的有机结合。今天，我就结合自己多年的使用经验，把这个过程的每一步拆开揉碎了讲清楚，让你不仅能实现功能，更能理解背后的逻辑，做到举一反三。

2. 核心工具箱：认识dir函数与文件信息结构体

在MATLAB中，获取文件夹内文件列表的“瑞士军刀”是dir函数。很多新手会误以为dir只是列出文件名，其实它的功能要强大得多。理解dir的返回值，是后续所有高级操作的基础。

2.1dir函数的基本用法与返回值解析

最基本的用法是提供一个路径字符串：

file_list = dir(‘C:\MyData\Experiment1’);

或者，如果你要读取当前MATLAB工作目录下的文件，可以直接使用：

file_list = dir(‘*.*’); % 读取当前文件夹下所有文件

这里需要特别注意，dir(‘*.*’)这个模式会匹配所有文件，但它也会匹配到文件夹（目录）本身。这是第一个容易混淆的点。

dir函数返回的是一个结构体数组。这是MATLAB中一种非常重要的数据类型，你可以把它想象成一个表格，每一行代表一个文件或文件夹，每一列代表该文件的一项属性（如名字、大小等）。我们可以用以下命令查看其结构：

file_list = dir(‘.’); % ‘.’代表当前文件夹 disp(file_list(1)) % 显示第一个元素（通常是代表当前目录的‘.’本身）的结构

输出通常会包含以下字段：

• name: 文件或文件夹的名称（字符串）。
• folder: 文件所在的绝对路径（字符串）。这个字段非常有用，特别是在处理相对路径时，它能帮你精准定位文件。
• date: 最后修改的日期和时间（字符串）。
• bytes: 文件大小，以字节为单位（双精度数值）。对于文件夹，此值为0。
• isdir: 是否为目录（逻辑值，1表示是，0表示不是）。这是区分文件和文件夹的关键字段。
• datenum: 最后修改日期的序列日期值（双精度数值），便于进行日期比较和计算。

2.2 如何有效遍历和筛选文件信息结构体

拿到file_list这个结构体数组后，我们通常需要遍历它并进行筛选。直接对整个结构体数组操作是低效的。更优雅的方式是利用逻辑索引。例如，要筛选出所有非文件夹的文件（即真正的文件），可以这样做：

% 假设 file_list 是 dir 函数的返回结果 is_file = ~[file_list.isdir]; % 将 isdir 字段取出组成逻辑数组，取反得到文件索引 real_files = file_list(is_file); % 使用逻辑索引提取文件信息 disp({real_files.name}’) % 以单元格数组形式显示所有文件名

这段代码的精髓在于[file_list.isdir]。它利用了MATLAB的逗号分隔列表特性，将结构体数组中所有元素的isdir字段值提取出来，组成一个普通的逻辑数组。然后通过取反操作~，得到文件的索引。这种方法比写for循环判断要简洁高效得多。

另一个常见需求是筛选特定扩展名的文件。例如，只想要.csv文件：

all_files = dir(‘*.csv’); % 方法一：在dir函数中直接使用通配符 % 或者，如果你已经有一个包含多种文件的 file_list file_names = {file_list.name}’; % 提取所有名字到单元格数组 is_csv = endsWith(file_names, ‘.csv’); % 使用 endsWith 函数进行判断（推荐R2016b以后版本） csv_files = file_list(is_csv);

这里我推荐使用endsWith函数，因为它语义清晰，能避免因为文件名中间出现“.csv”字符而导致的误匹配。对于旧版本MATLAB，可以使用strcmpi比较文件名的最后几个字符。

3. 构建动态文件路径：fullfile函数的妙用

当我们确定了要读取的文件后，下一个关键步骤就是构造出完整的、操作系统无关的文件路径。很多初学者会直接用字符串拼接，比如[file_list(i).folder, ‘\’, file_list(i).name]，这在Windows上可能暂时没问题，但一旦代码需要在Linux或Mac上运行，就会因为路径分隔符（\vs/）的问题而失败。

MATLAB提供了fullfile函数来完美解决这个问题。它的作用是智能地拼接路径各部分，并自动使用当前操作系统正确的文件分隔符。

base_folder = ‘C:\MyData\ProjectA’; file_info = dir(fullfile(base_folder, ‘*.xlsx’)); % 先获取文件信息 for i = 1:length(file_info) % 构造每个文件的完整路径 full_path = fullfile(file_info(i).folder, file_info(i).name); % 现在可以使用 full_path 来读取文件了，例如： % data = readtable(full_path); fprintf(‘即将读取文件：%s\n’, full_path); end

为什么一定要用fullfile？除了跨平台兼容性，它还能帮你处理路径中多余或缺失的分隔符。比如fullfile(‘C:\test’, ‘\’, ‘data.txt’)和fullfile(‘C:\test’, ‘data.txt’)最终会得到相同且正确的路径C:\test\data.txt。这个细节能避免很多因路径格式不规范导致的“文件未找到”错误。

4. 分而治之：针对不同文件类型的读取策略

文件夹里的文件不可能只有一种格式。一个真实的项目文件夹里，可能同时存在文本文件（.txt,.csv）、Excel文件（.xlsx,.xls）、MATLAB数据文件（.mat）、图像文件（.png,.jpg）等。针对不同类型，MATLAB有不同的“武器”。

4.1 文本文件（.txt,.csv,.dat）的读取

对于结构规整的文本数据（如数值以逗号、空格或制表符分隔），readmatrix和readtable是你的首选。

• readmatrix: 专注于读取数值数据到一个矩阵中。它速度快，对于纯数字的CSV或文本文件非常高效。

  data_matrix = readmatrix(‘data.csv’); % 自动推断分隔符 % 或者指定参数 data_matrix = readmatrix(‘data.txt’, ‘Delimiter’, ‘,’, ‘NumHeaderLines’, 2);

  参数‘NumHeaderLines’可以跳过文件开头的若干行（如标题或注释），非常实用。

• readtable: 当你的文本文件包含表头（列名），或者各列数据类型不一致（如混合了数字和字符串）时，应该使用readtable。它会将数据读入一个表格（table）变量，每一列都可以独立访问。

  data_table = readtable(‘experiment_log.csv’); % 访问特定列 time_column = data_table.Time; value_column = data_table.Value;

  readtable能极大地方便后续的数据分析和处理，因为你可以通过列名来引用数据，而不是列的索引。

对于非规整或需要复杂解析的文本文件，fileread或textscan是更底层的工具。fileread将整个文件读入一个字符串变量，适合处理配置文件、日志文件等。

file_content = fileread(‘config.ini’); % 然后可以使用正则表达式 regexp 或字符串函数 strsplit 来解析内容

4.2 Excel文件（.xlsx,.xls）的读取

读取Excel，最常用的函数是readtable和xlsread（旧版，逐渐被淘汰）。

% 使用 readtable (推荐) opts = detectImportOptions(‘data.xlsx’); % 自动检测导入选项 opts.Sheet = ‘Sheet1’; % 指定工作表 opts.DataRange = ‘A2:D100’; % 指定数据范围 data = readtable(‘data.xlsx’, opts); % 使用 xlsread (读取数值和文本) [num_data, txt_data, raw_data] = xlsread(‘data.xlsx’, ‘Sheet1’);

重要经验：Excel文件经常包含格式、空行、合并单元格等“杂质”。直接读取整个工作表可能会出错。我强烈建议先使用detectImportOptions函数。它会扫描文件，并生成一个包含数据范围、变量类型等信息的选项对象。你可以预览和修改这个对象（preview(‘data.xlsx’, opts)），然后再进行读取，这样可以避免很多意外情况。

4.3 MATLAB数据文件（.mat）与图像文件

• .mat文件：使用load函数。这是MATLAB的专有格式，保存和加载速度最快，且能保留所有变量类型（包括结构体、单元格数组等）。

  loaded_data = load(‘results.mat’); % 加载后，文件中的变量会成为结构体 loaded_data 的字段 % 例如，如果文件里有一个变量叫 ‘velocity’，则可以通过 loaded_data.velocity 访问

  如果知道变量名，也可以直接加载指定变量：load(‘results.mat’, ‘velocity’)，这样变量velocity会直接加载到当前工作区。

• 图像文件：使用imread。

  img = imread(‘picture.png’); imshow(img); % 显示图像 % 对于多帧图像（如TIFF），可以使用语法 [img, map] = imread(‘animation.tif’, ‘frames’, ‘all’);

5. 实战进阶：构建健壮的批量文件读取循环

掌握了单个文件的读取方法后，我们将它们组合起来，构建一个健壮的批量处理流程。这个流程需要考虑错误处理、内存管理和进度反馈。

5.1 基础循环框架与错误处理

一个完整的批量读取循环模板如下：

%% 1. 定义文件夹路径和文件过滤器 target_folder = ‘./实验数据/’; % 建议使用相对路径，便于代码迁移 file_pattern = ‘*.csv’; % 例如，读取所有CSV文件 %% 2. 获取文件列表并筛选 all_items = dir(fullfile(target_folder, file_pattern)); % 剔除文件夹，只保留文件 file_items = all_items(~[all_items.isdir]); if isempty(file_items) warning(‘在文件夹 %s 中未找到匹配模式 %s 的文件。’, target_folder, file_pattern); return; % 提前退出 end %% 3. 预分配存储单元（对于大型数据集非常重要） num_files = length(file_items); % 假设我们读取的数据都是大小相同的矩阵，可以预分配一个三维数组或单元格数组 % 方案A：如果每个文件数据维度一致，例如都是 MxN % data_cube = zeros(M, N, num_files); % 方案B：更通用的，使用单元格数组，每个单元格存储一个文件的数据 all_data = cell(num_files, 1); file_names_processed = cell(num_files, 1); %% 4. 主循环：逐个读取文件 for k = 1:num_files % 构造完整文件路径 current_file_path = fullfile(file_items(k).folder, file_items(k).name); fprintf(‘正在处理 (%d/%d): %s\n’, k, num_files, file_items(k).name); try % 根据文件类型调用不同的读取函数 % 这里以读取CSV数值矩阵为例 data = readmatrix(current_file_path); % 存储数据 all_data{k} = data; file_names_processed{k} = file_items(k).name; catch ME % 捕获并处理读取错误 warning(‘文件 %s 读取失败，错误信息：%s’， file_items(k).name, ME.message); % 可以选择存储一个空值或NaN，保持数据对齐 all_data{k} = []; file_names_processed{k} = file_items(k).name; end end %% 5. 后续处理 % 此时，all_data 单元格数组包含了所有成功读取的数据 % file_names_processed 包含了对应的文件名，便于追溯

关键点分析：

1. 错误处理（try-catch）：这是批量处理中至关重要的一环。一个文件的格式错误或损坏不应该导致整个程序崩溃。try-catch块能捕获异常，记录错误信息，并允许循环继续执行。
2. 预分配（Preallocation）：在循环开始前，使用cell(num_files, 1)为all_data预分配内存。这能显著提升循环执行效率，避免MATLAB在每次循环迭代时都重新分配和复制数组，对于处理大量文件时性能提升巨大。
3. 进度反馈：在循环内使用fprintf输出当前进度，对于长时间运行的任务，能让你安心地知道程序正在工作。

5.2 处理文件名排序与按顺序读取

dir函数返回的文件列表顺序是操作系统依赖的，通常不是按文件名顺序排列。如果你需要按文件名中的数字序号（如data_001.csv,data_002.csv）顺序读取，就需要手动排序。

% 获取文件列表后，提取文件名 file_names = {file_items.name}; % 使用 natsortfiles 函数进行自然排序（需要下载，File Exchange中搜索） % 或者，对于简单的数字编号，可以自己提取数字排序 % 假设文件名是 ‘sample_1.csv’, ‘sample_2.csv’, … ‘sample_10.csv’ % 直接排序 file_names 会得到 1, 10, 2, … 的顺序，这是错误的。 % 方法：提取数字部分并排序 num_parts = regexp(file_names, ‘(\d+)’, ‘tokens’); % 提取所有数字 file_numbers = str2double([num_parts{:}]); % 转换为数值 [sorted_nums, idx] = sort(file_numbers); % 获取排序索引 sorted_file_items = file_items(idx); % 按照索引重新排列文件结构体

然后，在循环中遍历sorted_file_items即可。对于复杂的命名规则，正则表达式regexp是一个非常强大的工具。

6. 性能优化与内存管理技巧

当文件夹内有成百上千个文件，或者单个文件非常大时，性能问题就凸显出来了。

6.1 避免在循环中重复计算

一个常见的低效做法是在循环的每次迭代中都调用dir函数或进行复杂的字符串匹配。所有不依赖于循环变量的计算，都应该提到循环外面。

% 低效做法 for i = 1:100 files = dir(‘*.dat’); % 每次循环都执行dir，开销大 % … 处理 files(i) … end % 高效做法 files = dir(‘*.dat’); % 在循环外执行一次 for i = 1:length(files) % … 处理 files(i) … end

6.2 大文件处理与增量读取

对于单个巨大的文本文件（如几个GB的日志文件），一次性读入内存可能导致Out of memory错误。此时应考虑增量读取。

• 对于文本文件，可以使用textscan配合文件标识符fopen，每次读取指定行数。

  fid = fopen(‘huge_log.txt’, ‘r’); chunk_size = 10000; % 每次读取10000行 while ~feof(fid) data_chunk = textscan(fid, ‘%f %s %f’, chunk_size, ‘Delimiter’, ‘,’); % 处理这一块数据 data_chunk… % 例如，进行实时计算或写入到另一个文件中 end fclose(fid);

• 对于某些格式（如某些二进制格式或HDF5），MATLAB也支持只读取文件的一部分数据。

6.3 使用parfor进行并行循环加速

如果你的读取操作是计算密集型的（比如每个文件都需要复杂的解析），并且循环迭代之间是独立的，那么使用并行计算工具箱（Parallel Computing Toolbox）的parfor（并行for循环）可以大幅缩短总时间。

% 将第4节中的普通 for 循环改为 parfor parfor k = 1:num_files current_file_path = fullfile(file_items(k).folder, file_items(k).name); try all_data{k} = readmatrix(current_file_path); % 注意：parfor内对单元格的赋值是允许的 catch all_data{k} = []; end end

使用parfor的注意事项：

1. 循环体必须独立，即第k次迭代不依赖于第k-1次的结果。
2. 变量分类：在parfor内部“切片”输出的变量（如all_data{k}）必须满足特定规则。上面代码中对单元格数组元素的赋值是典型的“切片”操作，是允许的。
3. 首次运行会有启动并行池的开销，对于非常短的循环可能得不偿失。适合文件数量多或单个文件处理耗时的场景。

7. 常见“坑点”与调试心得

即使按照上述步骤操作，在实际项目中你还是可能遇到一些意想不到的问题。这里分享几个我踩过的坑和解决方法。

7.1 路径问题：“未找到文件或目录”

这是最常见的问题。除了使用fullfile外，还要注意：

• 当前工作目录：使用pwd命令查看MATLAB的当前工作目录。你的相对路径（如‘./data/file.txt’）是相对于这个目录的。可以使用cd命令切换，或者在脚本开头使用绝对路径。
• 路径包含空格或特殊字符：如果路径或文件名包含空格，必须用引号括起来，fullfile函数会帮你处理好。但对于一些非常老的函数，可能需要额外注意。
• 文件扩展名隐藏：在Windows资源管理器中，如果设置了隐藏已知文件类型的扩展名，一个文件可能显示为“data”，但实际全名是“data.csv”。在代码中必须使用完整的“data.csv”。可以用dir(‘data.*’)来匹配所有扩展名。

7.2 文件被占用导致读取失败

如果你之前用MATLAB的save函数或Excel打开了某个文件但没有关闭，再次读取时可能会失败。

• 对于MATLAB，确保用fclose关闭所有文件标识符。
• 对于Excel文件，如果之前通过actxserver（COM接口）操作过，务必调用Quit和delete方法释放对象。
• 一个粗暴但有效的检查方法是，尝试在资源管理器中删除或重命名该文件，如果提示文件正在被使用，那就找到并关闭占用它的程序。

7.3 编码问题：读取中文或其他非ASCII字符乱码

这在处理包含中文文件名的文件，或者文本文件内容含中文时可能出现。

• 文件名乱码：确保MATLAB的字符编码设置与系统一致。可以在“主页”->“环境”->“预设”->“常规”中查看和设置。
• 文件内容乱码：在readtable或textscan中指定文件编码。

  % 对于UTF-8编码的中文文本文件 opts = detectImportOptions(‘中文文件.txt’, ‘FileEncoding’, ‘UTF-8’); data = readtable(‘中文文件.txt’, opts); % 或者使用 textscan fid = fopen(‘中文文件.txt’, ‘r’, ‘n’, ‘UTF-8’); data = textscan(fid, ‘%s’, ‘Delimiter’, ‘\n’); fclose(fid);

  常见的编码有‘UTF-8’、‘GBK’（简体中文Windows默认）、‘Big5’（繁体）等。

7.4 内存不足（Out of Memory）的应对策略

当文件太多或太大时，即使预分配也可能内存不足。

1. 增量处理，不保存所有数据：如果可能，在循环内读取一个文件，处理并提取出关键结果（如统计量），然后丢弃原始数据，只保存摘要结果。
2. 使用matfile函数处理大型.mat文件：matfile允许你像访问普通变量一样访问磁盘上的.mat文件的一部分，而不必全部加载到内存。

   % 假设有一个超大变量 ‘BigMatrix’ 保存在 ‘big_data.mat’ 中 m = matfile(‘big_data.mat’, ‘Writable’, false); % 只读取第100到200行，第1到10列 chunk = m.BigMatrix(100:200, 1:10);

3. 考虑使用数据库或数据存储（datastore）：对于超大规模数据集，MATLAB的datastore（数据存储）是专门为此设计的。它可以创建一个指向文件集合的对象，允许你以小块的形式读取和处理数据，非常适合不适合放入内存的数据。

   ds = datastore(‘folder/*.csv’); % 创建指向所有CSV文件的数据存储 while hasdata(ds) chunk = read(ds); % 每次读取一块数据 % 处理 chunk… end

处理文件夹文件读取，从简单的dir和循环，到考虑路径、编码、错误处理、性能和内存，是一个系统工程。核心思想是构建鲁棒性：你的代码应该能优雅地处理空文件夹、混合文件类型、损坏文件、异常命名等情况，而不是在理想环境下才能运行。