利用Linux查找重复文件(shell脚本)

在工作生活当中,我们很可能会遇到查找重复文件的问题。比如博主我所在的汉化组就遇到过这样一个情况:从某游戏提取的游戏文本有重复的,我们希望找出所有重复的文本,让翻译只翻译其中一份,而其他的直接替换。那么这个问题该怎么做呢?当然方法多种多样,而且无论那种方法应该都不会太难,但博主我第一次遇到这个问题的时候第一反应是是用Linux的Shell脚本,所以文本介绍这种方式。


嘛,虽然文章分类标的是原创,但实际上核心技术是摘自下面这篇文章:http://www.tuicool.com/articles/7vyEZbF,而本文所做的也只是带着大家分析一下上文给出的方案。


先上代码:

find -not -empty -type f -printf "%s\n" | sort -rn |uniq -d | xargs -I{} -n1 find -type f -size {}c -print0 | xargs -0 md5sum | sort | uniq -w32 --all-repeated=separate | cut -b 36- 

大家先cd到自己想要查找重复文件的文件夹,然后copy上面代码就可以了,系统会对当前文件夹及子文件夹内的所有文件进行查重。


下面分析一下上面的命令。

首先看第一句:

find -not -empty -type f -printf "%s\n" 

find是查找命令;-not -empty是要寻找非空文件;-type f是指寻找常规文件;-printf “%s\n”比较具有迷惑性,这里的%s并非C语言中的输出字符串,它实际表示的是文件的大小,单位为bytes(不懂就man,man一下find,就可以看到了),\n是换行符。所以这句话的意思是输出所有非空文件的大小。


通过管道,上面的结果被传到第二句:

sort -rn
sort是排序,-n是指按大小排序,-r是指从大到小排序(逆序reverse)。


第三句:

uniq -d

uniq是把重复的只输出一次,而-d指只输出重复的部分(如9出现了5次,那么就输出1个9,而2只出现了1次,并非重复出现的数字,故不输出)。


第四句:

xargs -I{} -n1 find -type f -size {}c -print0

这一部分分两部分看,第一部分是xargs -I{} -n1,xargs命令将之前的结果转化为参数,供后面的find调用,其中-I{}是指把参数写成{},而-n1是指将之前的结果一个一个输入给下一个命令(-n8就是8个8个输入给下一句,不写-n就是把之前的结果一股脑的给下一句)。后半部分是find -type f -size {}c -print0,find指令我们前面见过,-size{}是指找出大小为{}bytes的文件,而-print0则是为了防止文件名里带空格而写的参数。


第五句:

xargs -0 md5sum

xargs我们之前说过,是将前面的结果转化为输入,那么这个-0又是什么意思?man一下xargs,我们看到-0表示读取参数的时候以null为分隔符读取,这也不难理解,毕竟null的二进制表示就是00。后面的md5sum是指计算输入的md5值。


第六句:sort是排序,这个我们前面也见过。


第七句:

uniq -w32 --all-repeated=separate
uniq -w32是指寻找前32个字符相同的行,原因在于md5值一定是32位的,而后面的--all-repeated=separate是指将重复的部分放在一类,分类输出。


第八句:

cut -b 36-
由于我们的结果带着md5值,不是很好看,所以我们截取md5值后面的部分,cut是文本处理函数,这里-b 36-是指只要每行36个字符之后的部分。


我们将上述每个命令用管道链接起来,存入result.txt:

find -not -empty -type f -printf "%s\n" | sort -rn |uniq -d | xargs -I{} -n1 find -type f -size {}c -print0 | xargs -0 md5sum | sort | uniq -w32 --all-repeated=separate | cut -b 36- >result.txt


虽然结果很好看,但是有一个问题,这是在Linux下很好看,实际上如果有朋友把输出文件放到Windows上,就会发现换行全没了,这是由于Linux下的换行是\n,而windows要求\n\r,为了解决这个问题,我们最后执行一条指令,将\n转换为\n\r:

cat result.txt | cut -c 36- | tr -s '\n'

大功告成!

发布了20 篇原创文章 · 获赞 32 · 访问量 11万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览