Pobrałem wiele zdjęć z katalogu.
Downloader zmienił nazwy plików, które już istnieją.
Zmieniłem też nazwę niektórych plików ręcznie.

a.jpg
b.jpg
b(2).jpg
hello.jpg      <-- manually renamed `b(3).jpg`
c.jpg
c(2).jpg
world.jpg      <-- manually renamed `d.jpg`
d(2).jpg
d(3).jpg

Jak usunąć zduplikowane? Wynik powinien być:

a.jpg
b.jpg
c.jpg
world.jpg

Uwaga: nazwa nie ma znaczenia. Chcę tylko pliki uniq.

bash 4.x

#!/bin/bash
declare -A arr
shopt -s globstar

for file in **; do
  [[ -f "$file" ]] || continue

  read cksm _ < <(md5sum "$file")
  if ((arr[$cksm]++)); then 
    echo "rm $file"
  fi
done

Jest to zarówno rekurencyjne, jak i obsługuje dowolną nazwę pliku. Minusem jest to, że wymaga wersji 4.x, aby móc korzystać z tablic asocjacyjnych i wyszukiwania rekurencyjnego. Usuń, echojeśli lubisz wyniki.

wersja gawk

gawk '
  {
    cmd="md5sum " q FILENAME q
    cmd | getline cksm
    close(cmd)
    sub(/ .*$/,"",cksm)
    if(a[cksm]++){
      cmd="echo rm " q FILENAME q
      system(cmd)
      close(cmd)
    }
    nextfile
  }' q='"' *

Pamiętaj, że nadal będzie to działać na pliki, które mają podwójne cudzysłowy w nazwie. Nie ma prawdziwego sposobu na obejście tego awk. Usuń, echojeśli lubisz wyniki.

fdupes to wybrane narzędzie. Aby znaleźć wszystkie zduplikowane pliki (według zawartości, a nie nazwy) w bieżącym katalogu:

fdupes -r .

Aby ręcznie potwierdzić usunięcie zduplikowanych plików:

fdupes -r -d .

Aby automatycznie usunąć wszystkie kopie oprócz pierwszego każdego zduplikowanego pliku ( uwaga, to ostrzeżenie, tak naprawdę usuwa pliki, zgodnie z żądaniem ):

fdupes -r -f . | grep -v '^$' | xargs rm -v

Zalecam ręczne sprawdzenie plików przed usunięciem:

fdupes -rf . | grep -v '^$' > files
... # check files
xargs -a files rm -v

Możesz spróbować FSLint . Ma zarówno wiersz poleceń, jak i interfejs GUI .

Będąc trochę leniwym, nie zajęło mi długo znalezienie jednego online .

Najpierw musisz utworzyć sumę kontrolną CRC dla każdego pliku, ponieważ oczywiście chcesz jedynie usunąć dokładne duplikaty.

cksum  *.jpg | sort -n > filelist

Następnie iteruj tę listę plików, wczytując sumę kontrolną, a także nazwę pliku. Jeśli dwie sumy kontrolne są takie same, plik zostanie usunięty. Działa to, ponieważ sortowanie jest numeryczne i sortuje tylko sumy kontrolne, które grupują duplikaty plików.

old=""
while read sum lines filename
do
      if [[ "$sum" != "$old" ]] ; then
            old="$sum"
            continue
      fi
      rm -f "$filename"
done < filelist

Oczywiście nie działa to rekurencyjnie.

Jak testować pliki o unikalnej zawartości?

if diff "$file1" "$file2" > /dev/null; then
    ...

Jak uzyskać listę plików w katalogu?

files="$( find ${files_dir} -type f )"

Możemy pobrać dowolne 2 pliki z tej listy i sprawdzić, czy ich nazwy są różne i czy treść jest taka sama.

#!/bin/bash
# removeDuplicates.sh

files_dir=$1
if [[ -z "$files_dir" ]]; then
    echo "Error: files dir is undefined"
fi

files="$( find ${files_dir} -type f )"
for file1 in $files; do
    for file2 in $files; do
        # echo "checking $file1 and $file2"
        if [[ "$file1" != "$file2" && -e "$file1" && -e "$file2" ]]; then
            if diff "$file1" "$file2" > /dev/null; then
                echo "$file1 and $file2 are duplicates"
                rm -v "$file2"
            fi
        fi
    done
done

Na przykład mamy trochę reż:

$> ls .tmp -1
all(2).txt
all.txt
file
text
text(2)

Są więc tylko 3 unikalne pliki.

Uruchommy ten skrypt:

$> ./removeDuplicates.sh .tmp/
.tmp/text(2) and .tmp/text are duplicates
removed `.tmp/text'
.tmp/all.txt and .tmp/all(2).txt are duplicates
removed `.tmp/all(2).txt'

I pozostały nam tylko 3 pliki.

$> ls .tmp/ -1
all.txt
file
text(2)

Napisałem ten mały skrypt, aby usunąć zduplikowane pliki

https://gist.github.com/crodas/d16a16c2474602ad725b

Zasadniczo używa pliku tymczasowego ( /tmp/list.txt) do utworzenia mapy plików i ich skrótów. Później używam tych plików i magii potoków uniksowych do reszty.

Skrypt niczego nie usunie, ale wydrukuje polecenia usuwania plików.

mfilter.sh ./dir | bash

Mam nadzieję, że to pomoże

Bardziej zwięzła wersja usuwania zduplikowanych plików (tylko jedna linia)

young@ubuntu-16:~/test$ md5sum `find ./ -type f` | sort -k1 | uniq -w32 -d | xargs rm -fv

find_same_size.sh

#!/usr/bin/env bash
#set -x
#This is small script can find same size of files.
find_same_size(){

if [[ -z $1 || ! -d $1 ]]
then
echo "Usage $0 directory_name" ;
 exit $?
else
dir_name=$1;
echo "current directory is $1"



for i in $(find $dir_name -type f); do
   ls -fl $i
done | awk '{f=""
        if(NF>9)for(i=9;i<=NF;i++)f=f?f" "$i:$i; else f=$9;
        if(a[$5]){ a[$5]=a[$5]"\n"f; b[$5]++;} else a[$5]=f} END{for(x     in b)print a[x] }' | xargs stat -c "%s  %n" #For just list files
 fi
   }

find_same_size $1


young@ubuntu-16:~/test$ bash find_same_size.sh tttt/ | awk '{ if($1 !~   /^([[:alpha:]])+/) print $2}' | xargs md5sum | uniq -w32 -d | xargs rm -vf

Znalazłem łatwiejszy sposób na wykonanie tego samego zadania

for i in `md5sum * | sort -k1 | uniq -w32 -d|awk '{print $2}'`; do
rm -rf $i
done

Większość i być może wszystkie pozostałe odpowiedzi są strasznie nieefektywne poprzez obliczenie sumy kontrolnej każdego pliku w katalogu do przetworzenia.

Potencjalnie szybszym podejściem o wielkości rzędu jest najpierw uzyskanie rozmiaru każdego pliku, co jest prawie natychmiastowe ( lslub stat), a następnie obliczenie i porównanie sum kontrolnych tylko dla plików o nie unikalnym rozmiarze.

Nie o to pytasz, ale myślę, że ktoś może się przydać, gdy sumy kontrolne nie są takie same, ale nazwa jest podobna (z przyrostkiem w nawiasach). Ten skrypt usuwa pliki z przyrostkami jako („cyfra”)

#! /bin/bash
# Warning: globstar excludes hidden directories.
# Turn on recursive globbing (in this script) or exit if the option is not supported:
shopt -s globstar || exit
for f in **
do
extension="${f##*.}"
#get only files with parentheses suffix
FILEWITHPAR=$( echo "${f%.*}".$extension | grep -o -P "(.*\([0-9]\)\..*)")
# print file to be possibly deleted
if [ -z "$FILEWITHPAR" ] ;then
:
else
echo "$FILEWITHPAR ident"
# identify if a similar file without suffix exists
FILENOPAR=$(echo $FILEWITHPAR | sed -e 's/^\(.*\)([0-9])\(.*\).*/\1\2/')
echo "$FILENOPAR exists?"
if [ -f "$FILENOPAR" ]; then
#delete file with suffix in parentheses
echo ""$FILEWITHPAR" to be deleted"
rm -Rf "$FILEWITHPAR"
else
echo "no"
fi
fi
done

Znalazłem mały program, który naprawdę upraszcza tego rodzaju zadania: fdupes .