7、【办公自动化】Python实现电脑文件的清理

平时工作中，会经常遇到重复的文件，如果手动清理的话，则会在查找和识别上耗费大量的时间，今天用 Python 做一些 Windows 电脑上重复文件的清理操作。有时候，目录下可能会存在许多名称不同、而内容相同的文件，时间久了不去清理则会造成磁盘空间的浪费。

使用 Python 实现指定目录下的重复文件清理（这里，把清理的文件移动到备份目录，而不是直接删除），大致思路如下：

• 检查备份目录是否存在，不存在则创建备份目录；
• 读取源目录，并找出所有的文件，包含子目录里的文件；
• 对文件进行两两比对，如果文件的内容相同，则移动到备份目录保存；

代码实现，如下：

from pathlib import Path
from filecmp import cmp
 
 
def clear_repeat_files(scrPath, descPath):
    # 创建备份路径
    if not descPath.exists():
        descPath.mkdir(parents=True)
    # 从scrPath路径下查找文件，包含嵌套的子目录查找
    file_list = []
    for file in list(scrPath.rglob("*")):
        if file.is_file():
            file_list.append(file)
 
    # 遍历文件，并两两比对
    for i in file_list:
        for j in file_list:
            if i != j and i.exists() and j.exists():
                if cmp(i, j):
                    # i.unlink()
                    i.replace(descPath / i.name)

为了更能体现实用性，并支持识别不同子目录下的重复文件，测试的文件有不同的类型，如下：

• a.py 和 b.py 是相同的文件；
• pkq..jpg 和 pkq - 副本.jpg 是相同的图片；
• wxx.txt 和 ./cs/wxx -1.txt 是相同的文件；
• 2022-10-19_1.log 和 ./cs/2022-10-19_2.log 是相同的文件；

 测试代码，如下：

if __name__ == '__main__':
    path = input('请输入清理重复文件的目录：')
    if len(path.strip()) == 0:
        path = "D:\\XXX\\test-repeat\\"
    scrPath = Path(path)
    descPath = Path(path + "repeat\\")
    clear_repeat_files(scrPath, descPath)

执行后，效果如下：

重复文件查找的效果还不错！通过循环查找，指定目录下无论存在多少子目录，都可以进行匹配到重复文件了。如果直接删除重复文件的话，只需要把 replace() 替换成 unlink() 即可。另外，路径对象的 glob() 和 rglob() 都能使用通配符在指定路径下查找文件和子文件夹，两者区别在于，glob() 只进行一级查找，而 rglob() 会进行多级查找。

清理重复文件是办公过程中经常遇到的一种场景，然而满足个性化的需求才是最难的。

比如，我想删除一个文件，但忘了在电脑哪个目录位置，这是不是很尴尬！要删除这个文件，首先肯定要先找到它，我们知道 Windows 的搜索框在键入关键字后搜索，会扫描磁盘上的所有文件，当匹配到目标关键字后则会显示出来。别急，这种最基本的文件和目录搜索操作，使用 Python 也可以轻松实现。

代码实现，如下：

from pathlib import Path
import time
import psutil
 
keyword = input("请输入查询的文件：")
result_files = []
result_dirs = []
start_time = time.perf_counter()
 
# 获取电脑磁盘各个盘符，['C:\\', 'D:\\', 'E:\\', 'F:\\']
src_dirs = []
for disk in psutil.disk_partitions():
    src_dirs.append(disk.device)
 
for current_dir in src_dirs:
    result = list(Path(current_dir.strip()).rglob(f'*{keyword}*'))
    if len(result) > 0:
        for i in result:
            print(f'file : {i}')
            if i.is_file():
                result_files.append(i)
            else:
                result_dirs.append(i)
 
# 不存在
if len(result_dirs) == 0 and len(result_files) == 0:
    print('对不起，你搜索的 {keyword} 不存在！')
 
print('-------------------------------')
print(f'匹配到：{len(result_dirs) + len(result_files)}条记录')
print(f'耗时：{time.perf_counter() - start_time}s')

例如，搜索 demo 关键字的文件或目录，测试效果，如下：

 此外，Python 还可以在此基础上扩展一些其他功能，比如，标记出大小超过xxx的文件（为清理这类的大文件提供参考）：

新增如下代码即可：

print('--------------*readme*-----------------')
for j in result_files:
    # 单位为字节
    if os.path.getsize(j) > 1024*1024:
        print(f'{j} 大小为：{os.path.getsize(j)} 字节')

又比如，指定搜索的文件后缀类型，而不是对全部类型搜索：

新增如下代码即可：

print('--------------*readme*-----------------')
for j in result_files:
    j_name = os.path.split(j)[1]
    if j_name.endswith(".txt"):
        print(f'匹配到的txt文件：{j}')

不难发现，匹配到结果还挺耗时的，其实，为了加快查找速度，我们还可以加一层本地缓存实现。

思路是用已经搜索过的关键字作为 key，把最新搜索时间和最新搜索到的列表结果组成另一个 Map 作为 value，当下次再进行该关键字的查询时，先判断 key 中是否存在该关键字，存在的话不再进行全盘扫描，否则去查找全盘文件，并把最新搜索时间和最新搜索的列表结果更新到 value。当然，该本地缓存还可以设置过期时间（比如24h），比如取到该 key 时，发现 value 最新搜索时间超过了24h，那就不会取该 value 的列表结果，而是去查找全盘文件，搜索完毕后更新 value 的最新搜索时间和最新搜索的列表结果。

当然，对于首次搜索或 key 过期是没有什么作用的，加快查找速度还可以考虑使用多线程，后面有时间再研究研究。