python删除本地夹里重复文件的方法

一、方法和思路

1.比对文件是否相同的方法：hashlib库里提供了获取文件md5值的方法，所以我们可以通过md5值来判定是否图片相同

2.对文件的操作：os库里有对文件的操作方法，比如：os.remove（）可以删除指定的文件， os.listdir()可以通过指定文件夹路径获取文件夹里所有文件的文件名

思路：通过获取指定文件夹的所有文件名，然后匹配为一个绝对路径的列表，循环的比对每个文件的md5值，如果md5值重复，则删除这个文件

二、代码实现

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
import os
import hashlib
import logging
import sys

def logger():
“”" 获取logger"""
logger = logging.getLogger()
if not logger.handlers:

指定logger输出格式

formatter = logging.Formatter(’%(asctime)s %(levelname)-8s: %(message)s’)

文件日志

file_handler = logging.FileHandler(“test.log”)
file_handler.setFormatter(formatter) # 可以通过setFormatter指定输出格式

控制台日志

console_handler = logging.StreamHandler(sys.stdout)
console_handler.formatter = formatter # 也可以直接给formatter赋值

为logger添加的日志处理器

logger.addHandler(file_handler)
logger.addHandler(console_handler)

指定日志的最低输出级别，默认为WARN级别

logger.setLevel(logging.INFO)
return logger

def get_md5(filename):
m = hashlib.md5()
mfile = open(filename, “rb”)
m.update(mfile.read())
mfile.close()
md5_value = m.hexdigest()
return md5_value

def get_urllist():
#替换指定的文件夹路径即可
base = (“F:\pythonFile\煎蛋网\无聊图\jpg\”)
list = os.listdir(base)
urlList=[]
for i in list:
url = base + i
urlList.append(url)
return urlList

if name == ‘main’:
log = logger()
md5List =[]
urlList =get_urllist()
for a in urlList:
md5 =get_md5(a)
if (md5 in md5List):
os.remove(a)
print(“重复：%s”%a)
log.info(“重复：%s”%a)
else:
md5List.append(md5)

print(md5List)

print(“一共%s张照片”%len(md5List))
然后我们可以通过日志来查看到底哪些文件是重复的，不过对于一些超大文件的话，md5值的获取会有一些变化，不过处理一般的小文件都可以的，只需要替换我的路径，就可以在你电脑上运行啦。