☰

如何按一个月的最后一天查找文件？（或如何复制每月的最新文件）

tag-icon • tag-icon linux shell unix code
如何按一个月的最后一天查找文件？（或如何复制每月的最新文件）

我知道有“查找”，我使用类似的方法find "/backup.stats/30days" -mtime +30 -type f ，但我想知道是否有人知道如何按月找出最旧的文件；并非所有月份都是 30 天，我只希望能够按月查找和复制最旧的文件。

例如，如果某个文件是在 3 月 31 日晚上 11:59 创建的，则将其复制到某个位置。但如果出于某种原因，该月最早的文件是 3 月 30 日凌晨 2:30，则将其复制到某个位置。

我的想法是，我有一个文件夹，里面有家庭网络过去 30 天的统计信息，我想确保每个月在不同的文件夹中至少保存一份副本。

有人有什么想法吗？

编辑：正如下面的评论所指出的那样。我实际上指的是包含整个月统计数据的文件。因此，当月份滚动时，它将是最新生成的文件。

答案1

解决方案

使用 GNU 工具集：

find . -type f -exec sh -c 'LC_ALL=C stat --printf="%.Y|%y|%n\0" -- "$@"' find-sh {} + \
| LC_ALL=C sort -zr  -t '|' -k 1,1 \
| LC_ALL=C sort -zsu -t '|' -k 2.1,2.7 \
| cut -d '|' -zf 3- \
| tr '\0' '\n'

根据您的需要调整find（最多但不包括）的调用。-exec

解释

  1. 对于每个到达 的文件-exec，LC_ALL=C stat --printf='%.Y|%y|%n\0'都会运行。其输出包括如下行

    1711542530.762649374|2024-03-27 13:28:50.762649374 +0100|./path to/something

    其中第一个|分隔字段是上次数据修改的时间，以 Epoch 以来的秒数表示（精准）；第二个字段是最后修改数据的时间，便于阅读。每行都以空字符结尾，因此路径名中的换行符（如果有）应该是安全的。只有前两个|字符在后面才重要，它们肯定都来自格式，因此|路径名中的换行符（如果有）也应该是安全的（请参阅下面的解释cut）。

    我过去常常LC_ALL=C使格式独立于您当前的语言环境。注意LC_ALL=C find …会影响find它运行的所有内容，一般来说这可能是不想要的；所以-exec stat …我没有使用-exec sh -c …和这种方式，而是能够LC_ALL=C只为设置stat。

  2. 然后第一个sort根据第一个|-separated 字段对行进行排序。与最近修改的文件相关的行将排在最前面。我们的格式非常严格，因此C可以使用语言环境中的默认排序方式。

  3. 第二个sort仅考虑第二个字段（在示例中）YYYY-MM的（年月）部分，并且由于（），它每个仅传递一行。使用（2024-03-u--uniqueYYYY-MM-s--stable）这是与每个最近修改的文件相关的行YYYY-MM，因为第一个sort已经将最近的文件放在第一位。

  4. 然后，每行cut打印|从第 3 个到最后一个以 - 分隔的字段。每行中都有一个路径名。正式的路径名包含（一个或多个）字符，|将构成第 3 个、第 4 个以及可能更后面的字段，但由于输出中的字段也将以 分隔|，因此输出无论如何都是准确的路径名。

  5. 最后tr将空字节转换为换行符，只是为了使输出易于阅读（但也可能产生歧义）。

笔记

  • 如果要进一步处理结果，请尽可能将其保留为以空字符结尾的字符串形式。换句话说：期望以空字符结尾的字符串（例如xargs -r0 …）并放置在 而tr不是 的工具比期望以换行符结尾的字符串并放置在 之后的工具更好tr。

  • Linux 时间戳是只有数字，没有时区概念. 你的stat意志将它们“翻译”成你的当前的YYYY-MM时区。特别是，它会根据您当前的时区分配文件，这在不同的时区会产生不同的结果。例如，如果您在印度（文件是在印度已经经历了新月的几个小时时修改的），则将2024-04-01 00:00:00 UTC分配给，但如果您身在墨西哥（文件是在墨西哥还剩下旧月的几​​个小时时修改的），则将分配给 。2024-042024-03

  • 您可能想知道我们是否真的需要两个sort。乍一看我们不需要%.Yfrom stat，按定义良好的排序%y应该足够了。嗯，我不需要。考虑以下两行：

    1698542400.000000000|2023-10-29 02:20:00.000000000 +0100|./newer
1698540000.000000000|2023-10-29 02:40:00.000000000 +0200|./older

    此示例在Europe/Warsaw时区中。newer文件确实比文件新older，自纪元以来的秒数显示了这一点，并且顺序就像从第一个开始sort：最新优先。但是，如果我按秒|分隔的字段排序并尝试实现“最新优先”，那么它就会反过来出现。事实是，02:40对于文件，由于那年夏令时结束，我的时钟从调回older之前发生；对于文件，发生在 之后。没有歧义，字符串和携带信息；但不理解格式。这就是为什么在解决方案中我们首先按自纪元以来的秒数排序，然后我们使用秒来选择最新的（我的意思是真的最新的）文件。03:0002:0002:20newer+0200+0100sortsortYYYY-MM

  • 我认为date --reference可以使用 GNU 来stat获取文件的修改时间。stat但我选择了它。

  • 如果您对某个 的结果感兴趣YYYY-MM，请将 放在和 第一个grep之间。例如，可能是：findsort2024-02

    LC_ALL=C grep -Zza '^[^|]*|2024-02'

    空结果表示该月没有修改任何文件。这样grep整个解决方案最多应将一行以空字符结尾的字符串传递给tr。如果将多行以空字符结尾的字符串传递给 ，tr则表示我的解决方案存在错误。

    您的语言环境可能使用 UTF-8，但一般来说，路径名可能包含在 UTF-8 中无效的字节序列。我使用了LC_ALL=C grep -a，所以grep不应该抱怨。

  • find-sh解释如下：中的第二个 sh 是什么sh -c 'some shell code' sh？

相关内容