☰

我该如何在 rsync 中排除除某些目录和一种文件类型之外的所有目录和文件类型？

tag-icon • tag-icon rsync
我该如何在 rsync 中排除除某些目录和一种文件类型之外的所有目录和文件类型？

对于 NLP 项目，我需要一份 Project Gutenberg 库的副本。现在，该项目允许下载其文件，特别是如果用于镜像目的（我计划最终设置一个），但对于我的工作，我只需要现有文件的特定子集。

源目录的组织方式如下：

|
| - 1 - |
|       |- 1
|       |- 2
|       |...
| - 2
| .
| .
| .
| - 9
| - cache
| - retired
| ...

我唯一感兴趣的目录是编号的目录，我唯一感兴趣的文件类型是.txt，我也不想要以-8.txt或结尾的文件-h.txt，但我现在愿意容忍它们。

到目前为止我已经尝试过：

  • --include "*/" --include "*.txt" --exclude "cache" --exclude "images" --exclude "retired" --exclude "pg" --exclude "*-8.txt" --exclude "*"<- 这个仍然会拉取“缓存”文件夹，因为它还包含一些.txt文件
  • --include "*/" --include "*.txt" -f'- *\-8.txt' -f'- *\-h.txt' -f'- cache/**' --exclude "cache" --exclude "images" --exclude "retired" --exclude "pg" --exclude "*"<- 或多或少是同一件事

问题似乎是这样的：

  • 我需要排除一切因为我需要的东西非常有限
  • 我包含了编号目录，因为这就是我所需要的
  • 包括*.txt打破了先前的排除，因为其他目录也包含文本文件。

我该如何处理这个问题？

答案1

来自帖子 rsync-排除除少数目录之外的所有目录，我引用自 Darryl E. Clarke 的回答：

一个简单的过滤器就可以解决问题。以前面的答案为基础，举一个合适的例子——明确包括父级，以及所有（**）子文件夹和文件。然后排除其他所有内容。以下是 filter.txt：

+ /include_this_dir/
+ /include_this_dir/**
+ /include_that_dir/
+ /include_that_dir/**
- /** With the command line:

rsync -av --dry-run --filter="merge filter.txt" source_dir/ dest_dir/

会导致：

sending incremental file list
created directory dest_dir
./
include_that_dir/
include_that_dir/somefile.txt
include_that_dir/subdir/
include_this_dir/

sent 202 bytes  received 65 bytes  534.00 bytes/sec
total size is 0  speedup is 0.00 (DRY RUN)

添加您的过滤器*.txt。

换句话说：首先包括，然后全部排除。

答案2

您可以使用 glob 明确匹配编号目录[0-9]/：

 -f'+ [0-9]/' \
 -f'- *-[8h].txt' \
 -f'+ *.txt' \
 -f'- *' \

如果数字高于 9，那么添加-f'+ [0-9][0-9]/或-f'+ [0-9]*/可能就足够了。

相关内容