Я завантажив у каталог багато зображень.
Завантажувач перейменував файли, які вже існують.
Я також перейменував деякі файли вручну.

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

Як видалити копії? Результатом має бути:

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

Примітка: ім'я не має значення. Я просто хочу uniq-файли.

баш 4.х

#!/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

Це одночасно рекурсивно і обробляє будь-яке ім'я файлу. Недоліком є ​​те, що йому потрібна версія 4.x для можливості використання асоціативних масивів та рекурсивного пошуку. Видаліть, echoякщо вам подобаються результати.

версія 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='"' *

Зауважте, що це все одно порушиться на файли, які мають подвійні лапки у своєму імені. Немає реального способу обійти це awk. Видаліть, echoякщо вам подобаються результати.

fdupes - це інструмент на ваш вибір. Щоб знайти всі повторювані файли (за вмістом, а не за назвою) у поточному каталозі:

fdupes -r .

Щоб вручну підтвердити видалення дублюваних файлів:

fdupes -r -d .

Щоб автоматично видалити всі копії, окрім першої з кожного дубльованого файлу ( будьте попереджені, це попередження, це фактично видаляє файли, як вимагається ):

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

Я рекомендую вручну перевірити файли перед видаленням:

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

Ви можете спробувати FSLint . Він має командний рядок та інтерфейс GUI .

Будучи трохи ледачим, мені не знадобилося багато часу, щоб знайти одну в Інтернеті .

Спочатку потрібно створити контрольну суму CRC кожного файлу, оскільки ви, очевидно, хочете видалити точні дублікати.

cksum  *.jpg | sort -n > filelist

Потім перейдіть до цього списку файлів, прочитавши контрольну суму, а також ім'я файлу. Якщо дві контрольні суми однакові, файл буде видалений. Це працює, оскільки сортування є числовим, і сортує лише на контрольних сумах, які групують дублікати файлів.

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

Очевидно, це не працює рекурсивно.

Як перевірити файли, що мають унікальний вміст?

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

Як ми можемо отримати список файлів у каталозі?

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

Ми можемо отримати будь-які 2 файли із цього списку та перевірити, чи є їхні імена різними та вміст однаковим.

#!/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

Наприклад, у нас є деякий реж:

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

Тож є лише 3 унікальних файли.

Дозволяє запустити цей сценарій:

$> ./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'

І ми отримуємо лише 3 файли.

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

Я написав цей крихітний сценарій для видалення дублюваних файлів

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

В основному він використовує тимчасовий файл ( /tmp/list.txt) для створення карти файлів та їх хешів. Пізніше я використовую ці файли та магію труб Unix, щоб зробити все інше.

Сценарій нічого не видалить, але буде друкувати команди для видалення файлів.

mfilter.sh ./dir | bash

Сподіваюся, це допомагає

Більш коротка версія видалення дублюваних файлів (лише один рядок)

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

Я знайшов простіший спосіб виконати те саме завдання

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

Більшість і, можливо, всі відповіді, що залишилися, надзвичайно неефективні, обчислюючи контрольну суму кожного файлу в каталозі для обробки.

Потенційно наближається до величини швидший підхід - спочатку отримати розмір кожного файлу, який є майже негайним ( lsабо stat), а потім обчислити та порівняти контрольні суми лише для файлів, що мають неповторний розмір.

Це не те, про що ви питаєте, але я думаю, що хтось може вважати його корисним, коли контрольні суми не однакові, але назва схожа (із суфіксом у дужках). Цей скрипт видаляє файли із суфіксами як ("цифра")

#! /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

Я знайшов невелику програму, яка справді спрощує такий вид завдань: fdupes .