我有一个包含多个 img 文件的目录,其中一些是相同的,但它们都有不同的名称。我需要删除重复项,但没有外部工具,只能使用bash
脚本。我是 Linux 的初学者。我尝试使用嵌套 for 循环来比较md5
总和并根据结果删除,但语法有问题并且不起作用。有什么帮助吗?
我尝试过的是...
for i in directory_path; do
sum1='find $i -type f -iname "*.jpg" -exec md5sum '{}' \;'
for j in directory_path; do
sum2='find $j -type f -iname "*.jpg" -exec md5sum '{}' \;'
if test $sum1=$sum2 ; then rm $j ; fi
done
done
我得到:test: too many arguments
答案1
您的脚本中有很多问题。
首先,为了分配结果将命令传递给变量时,您需要将其括在反引号 (
`command`
) 中,或者最好是$(command)
.您将其放在单引号 ('command'
) 中,它不是将命令的结果分配给变量,而是将命令本身分配为字符串。因此,你的test
实际上是:$ echo "test $sum1=$sum2" test find $i -type f -iname "*.jpg" -exec md5sum {} \;=find $j -type f -iname "*.jpg" -exec md5sum {} \;
下一个问题是该命令
md5sum
返回的不仅仅是哈希值:$ md5sum /etc/fstab 46f065563c9e88143fa6fb4d3e42a252 /etc/fstab
您只想比较第一个字段,因此您应该
md5sum
通过仅打印第一个字段的命令传递输出来解析输出:find $i -type f -iname "*.png" -exec md5sum '{}' \; | cut -f 1 -d ' '
或者
find $i -type f -iname "*.png" -exec md5sum '{}' \; | awk '{print $1}'
此外,该
find
命令将返回许多匹配项,而不仅仅是一个,并且每个匹配项都将被第二个匹配项重复find
。这意味着在某些时候您将同一个文件与其自身进行比较,md5sum 将是相同的,您最终将删除全部a.jpg
你的文件(我在包含和 的测试目录上运行了这个b.jpg
):for i in $(find . -iname "*.jpg"); do for j in $(find . -iname "*.jpg"); do echo "i is: $i and j is: $j" done done i is: ./a.jpg and j is: ./a.jpg ## BAD, will delete a.jpg i is: ./a.jpg and j is: ./b.jpg i is: ./b.jpg and j is: ./a.jpg i is: ./b.jpg and j is: ./b.jpg ## BAD will delete b.jpg
for i in directory_path
除非您传递目录数组,否则您不想运行。如果所有这些文件都在同一目录中,您需要运行for i in $(find directory_path -iname "*.jpg"
) 来遍历所有文件。这是一个坏主意
for
对 find 的输出使用循环。你应该使用while
循环或通配:find . -iname "*.jpg" | while read i; do [...] ; done
或者,如果所有文件都位于同一目录中:
for i in *jpg; do [...]; done
根据您的 shell 和您设置的选项,您甚至可以对子目录中的文件使用通配符,但我们在这里不讨论这一点。
最后,您还应该引用变量,否则带有空格的目录路径会破坏您的脚本。
文件名可以包含空格、换行符、反斜杠和其他奇怪的字符,为了在循环中正确处理这些字符,while
您需要添加更多选项。你想写的是这样的:
find dir_path -type f -iname "*.jpg" -print0 | while IFS= read -r -d '' i; do
find dir_path -type f -iname "*.jpg" -print0 | while IFS= read -r -d '' j; do
if [ "$i" != "$j" ]
then
sum1=$(md5sum "$i" | cut -f 1 -d ' ' )
sum2=$(md5sum "$j" | cut -f 1 -d ' ' )
[ "$sum1" = "$sum2" ] && rm "$j"
fi
done
done
更简单的方法是:
find directory_path -name "*.jpg" -exec md5sum '{}' + |
perl -ane '$k{$F[0]}++; system("rm $F[1]") if $k{$F[0]}>1'
可以处理文件名中空格的更好版本:
find directory_path -name "*.jpg" -exec md5sum '{}' + |
perl -ane '$k{$F[0]}++; system("rm \"@F[1 .. $#F]\"") if $k{$F[0]}>1'
这个 Perl 小脚本将运行find
命令的结果(即 md5sum 和文件名)。选项在空白处分割输入行并将它们保存在-a
数组中,md5sum 和文件名也将如此。 md5sum 保存在散列中,脚本检查散列是否已被看到 ( ),如果有则删除文件 ( )。perl
F
$F[0]
$F[1]
k
if $k{$F[0]}>1
system("rm $F[1]")
虽然这可行,但对于大型图像集合来说,速度会非常慢,而且您无法选择要保留哪些文件。有许多程序可以以更优雅的方式处理此问题,包括:
答案2
有一个名为的漂亮程序fdupes
可以简化整个过程并提示用户删除重复项。我认为值得检查一下:
$ fdupes --delete DIRECTORY_WITH_DUPLICATES
[1] DIRECTORY_WITH_DUPLICATES/package-0.1-linux.tar.gz
[2] DIRECTORY_WITH_DUPLICATES/package-0.1-linux.tar.gz.1
Set 1 of 1, preserve files [1 - 2, all]: 1
[+] DIRECTORY_WITH_DUPLICATES/package-0.1-linux.tar.gz
[-] DIRECTORY_WITH_DUPLICATES/package-0.1-linux.tar.gz.1
基本上,它提示我选择哪个文件保持,我输入了1,并删除了第二个。
其他有趣的选项是:
-r --recurse
for every directory given follow subdirectories encountered within
-N --noprompt
when used together with --delete, preserve the first file in each set of duplicates and delete the others without prompting the user
从您的示例来看,您可能希望将其运行为:
fdupes --recurse --delete --noprompt DIRECTORY_WITH_DUPLICATES
请参阅 参考资料了解man fdupes
所有可用选项。