200字范文,内容丰富有趣,生活中的好帮手!
200字范文 > shell脚本实现查找文件夹下重复的文件 并提供删除功能

shell脚本实现查找文件夹下重复的文件 并提供删除功能

时间:2018-07-05 05:13:32

相关推荐

shell脚本实现查找文件夹下重复的文件 并提供删除功能

Windows下有软件FindDupFile,可以搜索指定目录及其下子目录,列出所有内容完全相同的文件(文件名可能不同),然后由用户选择删除重复的文件。

然而shell脚本却可以使用几行的命令完成与此相同的工作,借助windows下的shell脚本工具Cygwin,可以实现扫描Windows下的目录,原理简述如下:

1.首先借助find命令扫描文件夹下类型为普通文件的所有文件,find命令的输出是一行一个文件

2.对find找到的所有文件进行MD5校验,校验命令为md5sum files,输出文本格式为:MD5SUM *file

3.内容的文件的md5校验值是相同的,所有对MD5SUM校验值进行相同值查询,因此使用awk的关联数组,将不相同的文件输出

4.对awk输出重复的文件表进行删除。

shell脚本如下:

#!/bin/bash -#查找文件夹下相同的文件#Usage: dupfile.sh [-ds] dirs# dirs 请用单引号引起来del=0silent=0trap "" PIPE#参数处理while test $# -gt 0docase $1 in-d | --delete) del=1;;-s | --silent)silent=1;;-*)break;;*)break;;esacshiftdoneif [ $# -eq 0 ]thenecho "Usage: dupfile.sh [-ds] dirs" >&2exit 0fi#find查找所有文件并进行MD5校验,# md5sum对二进制文件输出为 MD5SUM *file# awk使用关联数组处理相同的md5值并按照格式输出,使用DEL传递参数# tee命令将管道拷贝一份到进程替换,另一份到stdoutfind "$@" -type f -exec md5sum {} + | awk -v FS="*" -v DEL=$del -v SLT=$silent '{if($1 in md5)md5[$1] = md5[$1] "*" $2elsemd5[$1] = $2}END{for(key in md5){if(DEL==0) K++n = split(md5[key], files, "*")if(SLT==1 && n==1) continueif(DEL==0)printf("%-*s %s\n", length(key), key, files[n])for(n-- ;n>0 ; n--){K++if(DEL==0)printf("%-*s %s\n", length(key), "", files[n])elseprintf("\"%s\"\n", files[n]) }}K = K>0 ? K : 0print "Total: " K " files" }' |tee >(if [ "$del" -eq 1 ]thenxargs rm -felsetee >/dev/nullfi)

看看用Cygwin在Windows下的测试结果: (注意将列出的所有目录加单引号)

首先,我在E盘test目录下创建10个临时文件,文件都为空,测试结果如下:

hp@hp-PC ~$ (cd 'E:/test'; i=0; while [ "$i" -lt 10 ] ; do mktemp "./XXXXXX" ; i=$((i+1)) ; done)./pOsdFm./5tndDZ./wjSDR2./oFrSaG./7zlZcA./9sNmEo./UVDQLR./qZdDNI./iwfYdn./IP52BKhp@hp-PC ~$ ./dupfile.sh 'E:/test'cygwin warning:MS-DOS style path detected: E:/testPreferred POSIX equivalent is: /cygdrive/e/testCYGWIN environment variable option "nodosfilewarning" turns off this warning.Consult the user's guide for more details about POSIX paths:/cygwin-ug-net/using.html#using-pathnamesd41d8cd98f00b204e9800998ecf8427e E:/test/wjSDR2E:/test/UVDQLRE:/test/qZdDNIE:/test/pOsdFmE:/test/oFrSaGE:/test/iwfYdnE:/test/IP52BKE:/test/9sNmEoE:/test/7zlZcAE:/test/5tndDZTotal: 10 fileshp@hp-PC ~$

从结果中看出,已经完全的将10个重复的空文件完全查找出来。

使用-d选项,则可以删除重复的,只保留其中的一个。

hp@hp-PC ~$ (cd 'E:/test' ; ls ;)5tndDZ 7zlZcA 9sNmEo IP52BK iwfYdn oFrSaG pOsdFm qZdDNI UVDQLR wjSDR2hp@hp-PC ~$ ./dupfile.sh -d 'E:/test'"E:/test/UVDQLR""E:/test/qZdDNI""E:/test/pOsdFm""E:/test/oFrSaG""E:/test/iwfYdn""E:/test/IP52BK""E:/test/9sNmEo""E:/test/7zlZcA""E:/test/5tndDZ"Total: 9 fileshp@hp-PC ~$ (cd 'E:/test' ; ls ;)wjSDR2

再测试一下不相同的情况,我在E:/test目录下,创建10个不相同的文件,每个文件内包含自己的文件名:

hp@hp-PC ~$ (cd 'E:/test'; i=0; while [ "$i" -lt 10 ] ; do name=`mktemp "./XXXXXX"` ; echo "$name" > "$name" ; i=$((i+1)) ; done)hp@hp-PC ~$ ./dupfile.sh 'E:/test'26288eeea00c650ae612dcf5b0efa5ab E:/test/wBMk5c6f28a86738b227553b116914befd7b55 E:/test/lOT1Yd1bc7d2563796cf63c7f0d68affb190ef E:/test/haDFBY679bc5d2d3e17761185ed82d43fd7d4a E:/test/CHOmSdaaefa81fafd87bf3c3378ef02e22ef5a E:/test/yZ635Be13b59ae07a9fd0e0a8095701c4003b2 E:/test/QdWtsNae2eabc1232111d9f12190b3a62d60bf E:/test/13PWOU621d060c7c313f06eff1ce21a6b25f0c E:/test/sql7KV7108830bbf019166d4af9a10030384f3 E:/test/lxGd5y6dc2d2815a69f8a754503f1301e1cbcb E:/test/efUo7cTotal: 10 files

看到,列出的全部是不相同的文件,当文件数目比较多的时候,可以使用-s选项,静默输出,只列出重复的文件,不重复的文件则不列出。

最后,有个耐人寻味的问题,我在测试中发现,dupfile程序最后的管道末端的 tee >(....) 命令会莫名奇妙的终止,脚本的退出码为141,对应的是SIGPIPE信号。

我原先的脚本最后是这样写的:

tee >(if [ "$del" -eq 1 ]thenxargs rm -ffi)

分析得到,>( ... ) 这样的进程替换的实现原理是通过命名管道来做的,首先将 >( ... ) 此位置替换为 /dev/fd/63 或其他的命名管道文件,然后启动新的bash程序,来执行 >( ... ) 中的命令部分,而且bash程序的标准输入被替换为 /dev/fd/63 的管道输出端。而此时,为什么会触发SIGPIPE信号?

括号内部的命令部分是个判断语句,当判断为否定的时候,xargs命令不会执行,因此启动的bash程序就退出了,此时就造成,tee命令向 /dev/fd/63 这个管道端写的时候收到SIGPIPE信号,改正的做法是,要么保证 启动的bash程序不会退出,加一个else语句,tee >/dev/null ,要么就是忽略SIGPIPE信号,加上trap "" SIGPIPE就可以,同时将tee命令的stderr输出忽略 tee 2>/dev/null > ( ... )。

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。