📁 File Tree Extractor

A Python utility that generates a visual directory tree structure of any folder, showing nested files and subfolders with proper indentation and connectors. Perfect for documenting project structures, creating visual inventories, or analyzing directory hierarchies.

Also check out - 📁File Name Extractor

✨ Features

Visual Tree Output — Generates a beautifully formatted directory tree with connectors (├──, └──, │)
Smart Sorting — Directories are listed first, then files (alphabetically, case-insensitive)
Intelligent Truncation — The root folder shows all items (no limit); every subfolder is limited to 10 items with ... to indicate more contents
Interactive Directory Selection — Choose any folder via user input or scan the script's directory
Auto‑Numbered Output — Saves to tree_1.txt, tree_2.txt, etc. in the system temp folder — never overwrites
Auto‑Open — Automatically opens the generated file after saving
Full Unicode Support — Handles filenames in any language
Debug Mode — Optional detailed logging for troubleshooting
Error Handling — Graceful handling of permissions and encoding issues

📋 Requirements

Python 3.6 or higher
No external dependencies required (uses only standard library)

✏️ How it works

This script is simply meant to be used by doubling clicking on it and then pasting the directory after which the script shall auto open the tree list for you.

🎯 How It Works

1. Choose a Directory

The script prompts you to enter a directory path. You can enter:

Full path — C:\Users\YourName\Documents
Relative path — ..\..\OtherFolder
. — the current directory
Just press Enter — uses the script's own directory

2. Tree Generation

The script recursively scans the folder and builds a tree with:

Directories shown with a trailing /
Files shown without
Connectors showing parent-child relationships
Truncation at 10 items per folder with ...

3. Automatic Saving

The tree is automatically saved as a numbered file in your system's temporary folder:

Windows: C:\Users\YourName\AppData\Local\Temp\tree_1.txt
macOS: /var/folders/.../T/tree_1.txt
Linux: /tmp/tree_1.txt

4. Auto‑Open

The file automatically opens in your default text editor after saving.

📄 Sample Output

================================================================================
DIRECTORY TREE GENERATOR
================================================================================
Source Directory Scanned: C:\Users\YourName\Documents\MyProject
Generated on: 2025-01-15 14:32:18.451
Total lines in tree: 247
================================================================================
blind-image-restoration/
├── configs/
│ └── config.yaml
├── data/
│ ├── __pycache__/
│ │ ├── __init__.cpython-310.pyc
│ │ ├── dataset.cpython-310.pyc
│ │ └── degrade.cpython-310.pyc
│ ├── __init__.py
│ ├── dataset.py
│ ├── degrade.py
│ └── preprocess.py
├── evaluation/
│ ├── __pycache__/
│ │ ├── __init__.cpython-310.pyc
│ │ ├── embed_analysis.cpython-310.pyc
│ │ ├── metrics.cpython-310.pyc
│ │ └── ood_tests.cpython-310.pyc
│ ├── __init__.py
│ ├── embed_analysis.py
│ ├── infer.py
│ ├── metrics.py
│ └── ood_tests.py
├── logs/
│ ├── benchmark_results.csv
│ ├── benchmark_summary.csv
│ ├── eval_training_20260620_195512.log
│ ├── metrics.csv
│ ├── metrics_eval.csv
│ ├── metrics_eval_summary.csv
│ └── train_training_20260608_074856.log
├── models/
│ ├── __pycache__/
│ │ ├── __init__.cpython-310.pyc
│ │ ├── encoder.cpython-310.pyc
│ │ ├── losses.cpython-310.pyc
│ │ └── unet.cpython-310.pyc
│ ├── benchmark/
│ │ ├── __pycache__/
│ │ │ ├── hinet_arch.cpython-310.pyc
│ │ │ ├── network_swinir.cpython-310.pyc
│ │ │ └── restormer_arch.cpython-310.pyc
│ │ ├── pretrained_weights/
│ │ │ ├── 005_colorDN_DFWB_s128w8_SwinIR-M_noise15.pth
│ │ │ ├── 006_colorCAR_DFWB_s126w7_SwinIR-M_jpeg40.pth
│ │ │ ├── gaussian_color_denoising_blind.pth
│ │ │ └── HINet-SIDD-1x.pth
│ │ ├── hinet_arch.py
│ │ ├── network_swinir.py
│ │ └── restormer_arch.py
│ ├── __init__.py
│ ├── encoder.py
│ ├── losses.py
│ └── unet.py
├── results/
│ ├── checkpoints/
│ │ ├── best_model.pt
│ │ ├── ckpt_epoch100.pt
│ │ ├── ckpt_epoch125.pt
│ │ ├── ckpt_epoch150.pt
│ │ ├── ckpt_epoch175.pt
│ │ ├── ckpt_epoch200.pt
│ │ ├── ckpt_epoch225.pt
│ │ ├── ckpt_epoch25.pt
│ │ ├── ckpt_epoch250.pt
│ │ ├── ckpt_epoch50.pt
│ │ └── ...
│ ├── debug/
│ │ ├── CBSD68/
│ │ │ ├── blur_1.5/
│ │ │ │ ├── 0000_clean.png
│ │ │ │ ├── 0000_degraded.png
│ │ │ │ ├── 0000_restored.png
│ │ │ │ ├── 0001_clean.png
│ │ │ │ ├── 0001_degraded.png
│ │ │ │ ├── 0001_restored.png
│ │ │ │ ├── 0002_clean.png
│ │ │ │ ├── 0002_degraded.png
│ │ │ │ ├── 0002_restored.png
│ │ │ │ ├── 0003_clean.png
│ │ │ │ └── ...
│ │ │ ├── jpeg_20/
│ │ │ │ ├── 0000_clean.png
│ │ │ │ ├── 0000_degraded.png
│ │ │ │ ├── 0000_restored.png
│ │ │ │ ├── 0001_clean.png
│ │ │ │ ├── 0001_degraded.png
│ │ │ │ ├── 0001_restored.png
│ │ │ │ ├── 0002_clean.png
│ │ │ │ ├── 0002_degraded.png
│ │ │ │ ├── 0002_restored.png
│ │ │ │ ├── 0003_clean.png
│ │ │ │ └── ...
│ │ │ ├── jpeg_40/
│ │ │ │ ├── 0000_clean.png
│ │ │ │ ├── 0000_degraded.png
│ │ │ │ ├── 0000_restored.png
│ │ │ │ ├── 0001_clean.png
│ │ │ │ ├── 0001_degraded.png
│ │ │ │ ├── 0001_restored.png
│ │ │ │ ├── 0002_clean.png
│ │ │ │ ├── 0002_degraded.png
│ │ │ │ ├── 0002_restored.png
│ │ │ │ ├── 0003_clean.png
│ │ │ │ └── ...
│ │ │ ├── noise_15/
│ │ │ │ ├── 0000_clean.png
│ │ │ │ ├── 0000_degraded.png
│ │ │ │ ├── 0000_restored.png
│ │ │ │ ├── 0001_clean.png
│ │ │ │ ├── 0001_degraded.png
│ │ │ │ ├── 0001_restored.png
│ │ │ │ ├── 0002_clean.png
│ │ │ │ ├── 0002_degraded.png
│ │ │ │ ├── 0002_restored.png
│ │ │ │ ├── 0003_clean.png
│ │ │ │ └── ...
│ │ │ └── noise_25/
│ │ │ ├── 0000_clean.png
│ │ │ ├── 0000_degraded.png
│ │ │ ├── 0000_restored.png
│ │ │ ├── 0001_clean.png
│ │ │ ├── 0001_degraded.png
│ │ │ ├── 0001_restored.png
│ │ │ ├── 0002_clean.png
│ │ │ ├── 0002_degraded.png
│ │ │ ├── 0002_restored.png
│ │ │ ├── 0003_clean.png
│ │ │ └── ...
│ │ └── Kodak24/
│ │ ├── blur_1.5/
│ │ │ ├── kodim01_clean.png
│ │ │ ├── kodim01_degraded.png
│ │ │ ├── kodim01_restored.png
│ │ │ ├── kodim02_clean.png
│ │ │ ├── kodim02_degraded.png
│ │ │ ├── kodim02_restored.png
│ │ │ ├── kodim03_clean.png
│ │ │ ├── kodim03_degraded.png
│ │ │ ├── kodim03_restored.png
│ │ │ ├── kodim04_clean.png
│ │ │ └── ...
│ │ ├── jpeg_20/
│ │ │ ├── kodim01_clean.png
│ │ │ ├── kodim01_degraded.png
│ │ │ ├── kodim01_restored.png
│ │ │ ├── kodim02_clean.png
│ │ │ ├── kodim02_degraded.png
│ │ │ ├── kodim02_restored.png
│ │ │ ├── kodim03_clean.png
│ │ │ ├── kodim03_degraded.png
│ │ │ ├── kodim03_restored.png
│ │ │ ├── kodim04_clean.png
│ │ │ └── ...
│ │ ├── jpeg_40/
│ │ │ ├── kodim01_clean.png
│ │ │ ├── kodim01_degraded.png
│ │ │ ├── kodim01_restored.png
│ │ │ ├── kodim02_clean.png
│ │ │ ├── kodim02_degraded.png
│ │ │ ├── kodim02_restored.png
│ │ │ ├── kodim03_clean.png
│ │ │ ├── kodim03_degraded.png
│ │ │ ├── kodim03_restored.png
│ │ │ ├── kodim04_clean.png
│ │ │ └── ...
│ │ ├── noise_15/
│ │ │ ├── kodim01_clean.png
│ │ │ ├── kodim01_degraded.png
│ │ │ ├── kodim01_restored.png
│ │ │ ├── kodim02_clean.png
│ │ │ ├── kodim02_degraded.png
│ │ │ ├── kodim02_restored.png
│ │ │ ├── kodim03_clean.png
│ │ │ ├── kodim03_degraded.png
│ │ │ ├── kodim03_restored.png
│ │ │ ├── kodim04_clean.png
│ │ │ └── ...
│ │ └── noise_25/
│ │ ├── kodim01_clean.png
│ │ ├── kodim01_degraded.png
│ │ ├── kodim01_restored.png
│ │ ├── kodim02_clean.png
│ │ ├── kodim02_degraded.png
│ │ ├── kodim02_restored.png
│ │ ├── kodim03_clean.png
│ │ ├── kodim03_degraded.png
│ │ ├── kodim03_restored.png
│ │ ├── kodim04_clean.png
│ │ └── ...
│ └── embed_analysis/
│ └── tsne.png
├── training/
│ ├── __pycache__/
│ │ ├── __init__.cpython-310.pyc
│ │ ├── train.cpython-310.pyc
│ │ └── validate.cpython-310.pyc
│ ├── __init__.py
│ ├── train.py
│ └── validate.py
├── utils/
│ ├── __pycache__/
│ │ ├── __init__.cpython-310.pyc
│ │ ├── ema.cpython-310.pyc
│ │ ├── logger.cpython-310.pyc
│ │ ├── sampling.cpython-310.pyc
│ │ └── schedule.cpython-310.pyc
│ ├── __init__.py
│ ├── ema.py
│ ├── logger.py
│ ├── sampling.py
│ └── schedule.py
├── {configs,data,models,training,evaluation,utils,logs,results/
│ └── checkpoints}/
├── benchmark.py
└── main.py
└── requirements.txt

⚙️ Configuration

Debug Mode

To enable debug output (timestamps and detailed logs), set DEBUG = True at the top of the script:

# Enable debug mode (set to False to disable debug output)DEBUG=True

Max Items Per Folder

To change how many items are shown per directory before truncating with ..., modify the max_items parameter in the generate_tree() call:

# Line near the bottom of main()children_lines=generate_tree(target_directory, prefix="", is_last=True, max_items=10, depth=0)

🛠️ Troubleshooting

Issue	Solution
"Permission Denied"	Run the script with appropriate permissions for the target directory
No output file created	Check write permissions for your system's temp folder
File doesn't auto-open	The script will show you the file path — you can open it manually
Unicode characters display as `?`	The script uses UTF-8 encoding; ensure your terminal supports it
Directory contains thousands of files	The `max_items` limit (10) prevents excessively large output — adjust if needed