ディレクトリ内の重複ファイルを見つけて1つだけ減算し、すべて削除してスペースを確保したいと思います。シェルスクリプトを使用してこれを達成するにはどうすればよいですか?
たとえば、
pwd
folder
内部ファイルは次のとおりです。
log.bkp
log
extract.bkp
extract
log.bkpを他のすべてのファイルと比較し、内容に応じて重複したファイルが見つかった場合は削除する必要があります。同様に、「log」ファイルはそれに続く他のすべてのファイルと一緒にスキャンする必要があります。
これまでこれを書いてきましたが、期待した結果は得られませんでした。
#!/usr/bin/env ksh
count=`ls -ltrh /folder | grep '^-'|wc -l`
for i in `/folder/*`
do
for (( j=i+1; j<=count; j++ ))
do
echo "Current two files are $i and $j"
sdiff -s $i $j
if [ `echo $?` -eq 0 ]
then
echo "Contents of $i and $j are same"
fi
done
done
答え1
シェルスクリプトを生成せずに単にコマンドラインツールを使用したい場合は、ほとんどfdupes
のディストリビューションでこれを実行できるプログラムがあります。
fslint
同じ機能を持つGUIベースのツールもあります。
答え2
このソリューションは、O(n)時間内に重複項目を探します。各ファイルにはそれに対して生成されたチェックサムがあり、各ファイルは連想配列を介して既知のチェックサムセットと順番に比較されます。
#!/bin/bash
#
# Usage: ./delete-duplicates.sh [<files...>]
#
declare -A filecksums
# No args, use files in current directory
test 0 -eq $# && set -- *
for file in "$@"
do
# Files only (also no symlinks)
[[ -f "$file" ]] && [[ ! -h "$file" ]] || continue
# Generate the checksum
cksum=$(cksum <"$file" | tr ' ' _)
# Have we already got this one?
if [[ -n "${filecksums[$cksum]}" ]] && [[ "${filecksums[$cksum]}" != "$file" ]]
then
echo "Found '$file' is a duplicate of '${filecksums[$cksum]}'" >&2
echo rm -f "$file"
else
filecksums[$cksum]="$file"
fi
done
コマンドラインでファイル(またはワイルドカード)を指定しないと、現在のディレクトリにあるファイルセットが使用されます。複数のディレクトリのファイルを比較しますが、ディレクトリ自体に再帰的に移動することはありません。
セットの「最初の」ファイルは常に最終バージョンと見なされます。ファイルの時間、権限、または所有権は考慮されません。コンテンツのみを検討してください。
要件を満たしていることを確認したら、echo
ラインから削除してください。rm -f "$file"
行を変更するには、ln -f "${filecksums[$cksum]}" "$file"
コンテンツをハードリンクするだけです。また、ファイル名を失うことなくディスク容量を節約します。
答え3
スクリプトの主な問題は、数値でi
はなく実際のファイル名を値として使用するようです。j
名前を配列に入れてインデックスを使用するとi
機能j
します。
files=(*)
count=${#files[@]}
for (( i=0 ; i < count ;i++ )); do
for (( j=i+1 ; j < count ; j++ )); do
if diff -q "${files[i]}" "${files[j]}" >/dev/null ; then
echo "${files[i]} and ${files[j]} are the same"
fi
done
done
ksh
(Bashと/ Debianで動作しているようですksh93
。)
この割り当ては、a=(this that)
2つの要素の合計(インデックス0と1)で配列を初期化します。ワードセパレーションとワイルドカードは通常どおりに機能するため、初期化は現在のディレクトリにあるすべてのファイル名(ドットファイルを除く)で行われます。配列内のすべての要素に拡張されるため、ハッシュ表記には配列内の要素数と同じ長さが必要です。 (これは配列の最初の要素になり、配列ではなく最初の要素の長さです!)a
this
that
files=(*)
files
"${files[@]}"
${#files[@]}
${files}
${#files}
for i in `/folder/*`
確かにここバックティックはタイプミスですか?最初のファイルをコマンドとして実行し、残りのファイルを引数として提供します。
答え4
ところで、チェックサムやハッシュを使用することをお勧めします。私のスクリプトはそれを使用しません。ただし、ファイルが小さく、ファイル数が大きくない場合(例:10〜20ファイル)、このスクリプトは非常に高速に実行されます。それぞれ1000行のファイルが100を超える場合、時間は10秒を超えます。
使用法: ./duplicate_removing.sh files/*
#!/bin/bash
for target_file in "$@"; do
shift
for candidate_file in "$@"; do
compare=$(diff -q "$target_file" "$candidate_file")
if [ -z "$compare" ]; then
echo the "$target_file" is a copy "$candidate_file"
echo rm -v "$candidate_file"
fi
done
done
テスト
任意のファイルを生成します。 ./creating_random_files.sh
#!/bin/bash
file_amount=10
files_dir="files"
mkdir -p "$files_dir"
while ((file_amount)); do
content=$(shuf -i 1-1000)
echo "$RANDOM" "$content" | tee "${files_dir}/${file_amount}".txt{,.copied} > /dev/null
((file_amount--))
done
走る ./duplicate_removing.sh files/*
そして出力を得なさい
the files/10.txt is a copy files/10.txt.copied
rm -v files/10.txt.copied
the files/1.txt is a copy files/1.txt.copied
rm -v files/1.txt.copied
the files/2.txt is a copy files/2.txt.copied
rm -v files/2.txt.copied
the files/3.txt is a copy files/3.txt.copied
rm -v files/3.txt.copied
the files/4.txt is a copy files/4.txt.copied
rm -v files/4.txt.copied
the files/5.txt is a copy files/5.txt.copied
rm -v files/5.txt.copied
the files/6.txt is a copy files/6.txt.copied
rm -v files/6.txt.copied
the files/7.txt is a copy files/7.txt.copied
rm -v files/7.txt.copied
the files/8.txt is a copy files/8.txt.copied
rm -v files/8.txt.copied
the files/9.txt is a copy files/9.txt.copied
rm -v files/9.txt.copied