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！

利用Linux查找重复文件（shell脚本）相关推荐

利用 Linux 查找重复文件
方法一:使用Find命令本部分算是对find强大功能的扩展使用方法说明.在find的基础上,我们可与(如xargs命令)等其它基本Linux命令相结合,即能创造出无限的命令行功能,比如:可以快速查找 ...
【数据挖掘】利用md5查找重复文件
[数据挖掘]利用md5查找重复文件电脑经过长时间的使用,难免会存留许多重复文件.这些重复文件往往四散在各处,其文件名.修改时间等信息都有改动,这对我清理重复文件造成了困扰.尽管重复文件已经有了诸多修 ...
linux find查找重复文件
直接上命令 find -not -empty -type f -print0 | xargs -0 md5sum | sort | uniq -w32 --all-repeated=separate ...
Shell入门笔记：Linux批量提取文件名/shel文件名提取日期/NCL批量读取文件(shell脚本结合)
在大型计算时,我们会使用linux系统,而linux系统下使用Shell脚本进行一些批处理任务会十分方便,在这里,我将以我个人遇到的问题为例,结合Shell语言的一些常用命令和知识点,完成对于Shel ...
如何利用CCleaner快速查找重复文件？
一般的电脑随着时间的推移磁盘里面会有多份的重复文件,这些重复项会占用硬盘驱动器上面的空间,并且很难追踪到文件的位置以及更改的文件.但是CCleaner却轻松的解决了这个问题,那么如何利用CCleane ...
【2018深信服醒狮计划】《Linux命令行与Shell脚本编程大全》学习笔记
2018深信服"醒狮计划"笔记第3周(5.02-5.13) 课程必修选修基本要求 Shell编程 <Linux命令行与Shell脚本编程大全> <Perl ...
Linux_《Linux命令行与shell脚本编程大全》第十章学习总结
时间:2017年08月24日星期四说明:本文部分内容均摘取自书籍<Linux命令行与shell脚本编程大全>,版权归原作者所有.<Linux命令行与shell脚本编程大全>( ...
linux 命令行与shell脚本编程大全
linux 命令行与shell脚本编程大全第一章 Linux LiveCD就是从cd读取的系统,由于没法将数据写入到cd,所以一旦重启,之前操作过后的一切数据都会丢失. 第二章第三章 1.man手 ...
Linux命令行与shell脚本编程大全:第2版
<Linux命令行与shell脚本编程大全:第2版> 基本信息作者: (美)布卢姆(Blum,R.) 布雷斯纳汉(Bresnahan.C.) [作译者介绍] 译者: 武海峰丛书名: 图 ...
《Linux命令行与Shell脚本编程大全第2版.布卢姆》pdf
下载地址:网盘下载内容简介 · · · · · · 本书是一本关于Linux 命令行与shell 脚本编程的全面教程.全书分为四部分:第一部分介绍Linuxshell 命令行:第二部分介绍shel ...

利用Linux查找重复文件（shell脚本）

利用Linux查找重复文件（shell脚本）相关推荐

最新文章

热门文章