• <dd id="hdgin"><track id="hdgin"></track></dd>
  • <em id="hdgin"><tr id="hdgin"></tr></em>
  • <th id="hdgin"><track id="hdgin"><noframes id="hdgin"></noframes></track></th>
        <rp id="hdgin"><ruby id="hdgin"></ruby></rp>

        <legend id="hdgin"><noscript id="hdgin"><video id="hdgin"></video></noscript></legend>
          <dd id="hdgin"><track id="hdgin"></track></dd>
            首頁 運維干貨利用 Linux 查找重復文件

            利用 Linux 查找重復文件

            運維派隸屬馬哥教育旗下專業運維社區,是國內成立最早的IT運維技術社區,歡迎關注公眾號:yunweipai
            領取學習更多免費Linux云計算、Python、Docker、K8s教程關注公眾號:馬哥linux運維

            利用 Linux 查找重復文件插圖

            方法一:使用Find命令

            本部分算是對find強大功能的擴展使用方法說明。在find的基礎上,我們可與(如xargs命令)等其它基本Linux命令相結合,即能創造出無限的命令行功能,比如:可以快速查找出Linux某個文件夾及其子文件夾中的重復文件列表。要實現這個功能在流程上是比較簡單的,只要查找遍歷出所有文件,再通過命令去比較每個文件的MD5就OK啦。

            聽起來好像比較抽象,其實命令就一條:

            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
            
            • find -not -empty -type f -printf “%sn” 表示使用find命令搜索出所有非空文件,再打印出他們的大小

            • sort -rn 命令不用多說了把,這條命令就是按文件大小進行反向排序

            • uniq -d | xargs -I{} -n1 find -type f -size {}c -print0 表示只打印了重復的行,這里使用代表打印出文件名相同的文件

            • uniq -w32 –all-repeated=separate 最后這里表示對MD5的前32個字節進行對比,以篩選出重復文件 使用命令行的整個過程就是這么簡單和容易。

            方法二:使用dupeGuru工具

            DupeGuru是一個跨平臺應用,有Linux、Windows和Mac OS X版本,它可以通過文件大小、MD5和文件名等多種標準來幫助用戶找出Linux中的重復文件。Ubuntu用戶可以直接通過添加如下PPA源來方式來進行安裝:

            sudo add-apt-repository ppa:hsoft/ppa
            sudo apt-get update
            sudo apt-get install dupeguru*
            

            方法三:使用Find命令解析

            在工作生活當中,我們很可能會遇到查找重復文件的問題。比如從某游戲提取的游戲文本有重復的,我們希望找出所有重復的文本,讓翻譯只翻譯其中一份,而其他的直接替換。那么這個問題該怎么做呢?當然方法多種多樣,而且無論那種方法應該都不會太難,但筆者第一次遇到這個問題的時候第一反應是是用Linux的Shell腳本,所以文本介紹這種方式。

            先上代碼:

            find -not -empty -type f -printf "%sn" | 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到自己想要查找重復文件的文件夾,然后copy上面代碼就可以了,系統會對當前文件夾及子文件夾內的所有文件進行查重。

            下面分析一下上面的命令。

            首先看第一句:

            find -not -empty -type f -printf "%sn"
            

            find是查找命令;-not -empty是要尋找非空文件;-type f是指尋找常規文件;-printf “%sn”比較具有迷惑性,這里的%s并非C語言中的輸出字符串,它實際表示的是文件的大小,單位為bytes(不懂就man,man一下find,就可以看到了),n是換行符。所以這句話的意思是輸出所有非空文件的大小。

            通過管道,上面的結果被傳到第二句:

            sort -rn
            

            sort是排序,-n是指按大小排序,-r是指從大到小排序(逆序reverse)。

            第三句:

            uniq -d
            

            uniq是把重復的只輸出一次,而-d指只輸出重復的部分(如9出現了5次,那么就輸出1個9,而2只出現了1次,并非重復出現的數字,故不輸出)。

            第四句:

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

            這一部分分兩部分看,第一部分是xargs -I{} -n1,xargs命令將之前的結果轉化為參數,供后面的find調用,其中-I{}是指把參數寫成{},而-n1是指將之前的結果一個一個輸入給下一個命令(-n8就是8個8個輸入給下一句,不寫-n就是把之前的結果一股腦的給下一句)。后半部分是find -type f -size {}c -print0,find指令我們前面見過,-size{}是指找出大小為{}bytes的文件,而-print0則是為了防止文件名里帶空格而寫的參數。

            第五句:

            xargs -0 md5sum
            

            xargs我們之前說過,是將前面的結果轉化為輸入,那么這個-0又是什么意思?man一下xargs,我們看到-0表示讀取參數的時候以null為分隔符讀取,這也不難理解,畢竟null的二進制表示就是00。后面的md5sum是指計算輸入的md5值。

            第六句:sort是排序,這個我們前面也見過。

            第七句:

            uniq -w32 --all-repeated=separate
            

            uniq -w32是指尋找前32個字符相同的行,原因在于md5值一定是32位的,而后面的–all-repeated=separate是指將重復的部分放在一類,分類輸出。

            第八句:

            cut -b 36-
            

            由于我們的結果帶著md5值,不是很好看,所以我們截取md5值后面的部分,cut是文本處理函數,這里-b 36-是指只要每行36個字符之后的部分。

            我們將上述每個命令用管道鏈接起來,存入result.txt:

            find -not -empty -type f -printf "%sn" | 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
            

            雖然結果很好看,但是有一個問題,這是在Linux下很好看,實際上如果有朋友把輸出文件放到Windows上,就會發現換行全沒了,這是由于Linux下的換行是n,而windows要求nr,為了解決這個問題,我們最后執行一條指令,將n轉換為nr:

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

            本文鏈接:http://m.abandonstatusquo.com/40386.html

            網友評論comments

            發表評論

            您的電子郵箱地址不會被公開。

            1. 夏日博客說道:

              linux常見命令。

            Copyright ? 2012-2022 YUNWEIPAI.COM - 運維派 京ICP備16064699號-6
            掃二維碼
            掃二維碼
            返回頂部
            久久久久亚洲国内精品|亚洲一区二区在线观看综合无码|欧洲一区无码精品色|97伊人久久超碰|一级a爱片国产亚洲精品