如何在 Linux 上識別同樣內容的檔案

2019-06-09 23:44:00

有時檔案副本相當於對硬碟空間的巨大浪費,並會在你想要更新檔案時造成困擾。以下是用來識別這些檔案的六個命令。

在最近的貼文中,我們看了如何識別並定位硬連結的檔案(即,指向同一硬碟內容並共用 inode)。在本文中,我們將檢視能找到具有相同內容,卻不相連結的檔案的命令。

硬連結很有用是因為它們能夠使檔案存放在檔案系統內的多個地方卻不會佔用額外的硬碟空間。另一方面,有時檔案副本相當於對硬碟空間的巨大浪費,在你想要更新檔案時也會有造成困擾之虞。在本文中,我們將看一下多種識別這些檔案的方式。

用 diff 命令比較檔案

可能比較兩個檔案最簡單的方法是使用 diff 命令。輸出會顯示你檔案的不同之處。<> 符號代表在當引數傳過來的第一個(<)或第二個(>)檔案中是否有額外的文字行。在這個例子中,在 backup.html 中有額外的文字行。

$ diff index.html backup.html2438a2439,2441> <pre>> That's all there is to report.> </pre>

如果 diff 沒有輸出那代表兩個檔案相同。

$ diff home.html index.html$

diff 的唯一缺點是它一次只能比較兩個檔案並且你必須指定用來比較的檔案,這篇貼文中的一些命令可以為你找到多個重複檔案。

使用校驗和

cksum(checksum) 命令計算檔案的校驗和。校驗和是一種將文字內容轉化成一個長數位(例如2819078353 228029)的數學簡化。雖然校驗和並不是完全獨有的,但是檔案內容不同校驗和卻相同的概率微乎其微。

$ cksum *.html2819078353 228029 backup.html4073570409 227985 home.html4073570409 227985 index.html

在上述範例中,你可以看到產生同樣校驗和的第二個和第三個檔案是如何可以被預設為相同的。

使用 find 命令

雖然 find 命令並沒有尋找重複檔案的選項,它依然可以被用來通過名字或型別尋找檔案並執行 cksum 命令。例如:

$ find . -name "*.html" -exec cksum {} \;4073570409 227985 ./home.html2819078353 228029 ./backup.html4073570409 227985 ./index.html

使用 fslint 命令

fslint 命令可以被特地用來尋找重複檔案。注意我們給了它一個起始位置。如果它需要遍歷相當多的檔案,這就需要花點時間來完成。注意它是如何列出重複檔案並尋找其它問題的,比如空目錄和壞 ID。

$ fslint .-----------------------------------file name lint-------------------------------Invalid utf8 names-----------------------------------file case lint----------------------------------DUPlicate files   <==home.htmlindex.html-----------------------------------Dangling links--------------------redundant characters in links------------------------------------suspect links--------------------------------Empty Directories./.gnupg----------------------------------Temporary Files----------------------duplicate/conflicting Names------------------------------------------Bad ids-------------------------Non Stripped executables

你可能需要在你的系統上安裝 fslint。你可能也需要將它加入你的命令搜尋路徑:

$ export PATH=$PATH:/usr/share/fslint/fslint

使用 rdfind 命令

rdfind 命令也會尋找重複(相同內容的)檔案。它的名字意即“重複資料搜尋”,並且它能夠基於檔案日期判斷哪個檔案是原件——這在你選擇刪除副本時很有用因為它會移除較新的檔案。

$ rdfind ~Now scanning "/home/shark", found 12 files.Now have 12 files in total.Removed 1 files due to nonunique device and inode.Total size is 699498 bytes or 683 KiBRemoved 9 files due to unique sizes from list.2 files left.Now eliminating candidates based on first bytes:removed 0 files from list.2 files left.Now eliminating candidates based on last bytes:removed 0 files from list.2 files left.Now eliminating candidates based on sha1 checksum:removed 0 files from list.2 files left.It seems like you have 2 files that are not uniqueTotally, 223 KiB can be reduced.Now making results file results.txt

你可以在 dryrun 模式中執行這個命令 (換句話說,僅僅匯報可能會另外被做出的改動)。

$ rdfind -dryrun true ~(DRYRUN MODE) Now scanning "/home/shark", found 12 files.(DRYRUN MODE) Now have 12 files in total.(DRYRUN MODE) Removed 1 files due to nonunique device and inode.(DRYRUN MODE) Total size is 699352 bytes or 683 KiBRemoved 9 files due to unique sizes from list.2 files left.(DRYRUN MODE) Now eliminating candidates based on first bytes:removed 0 files from list.2 files left.(DRYRUN MODE) Now eliminating candidates based on last bytes:removed 0 files from list.2 files left.(DRYRUN MODE) Now eliminating candidates based on sha1 checksum:removed 0 files from list.2 files left.(DRYRUN MODE) It seems like you have 2 files that are not unique(DRYRUN MODE) Totally, 223 KiB can be reduced.(DRYRUN MODE) Now making results file results.txt

rdfind 命令同樣提供了類似忽略空文件(-ignoreempty)和跟蹤符號連結(-followsymlinks)的功能。檢視 man 頁面獲取解釋。

-ignoreempty       ignore empty files-minsize        ignore files smaller than speficied size-followsymlinks     follow symbolic links-removeidentinode   remove files referring to identical inode-checksum       identify checksum type to be used-deterministic      determiness how to sort files-makesymlinks       turn duplicate files into symbolic links-makehardlinks      replace duplicate files with hard links-makeresultsfile    create a results file in the current directory-outputname     provide name for results file-deleteduplicates   delete/unlink duplicate files-sleep          set sleep time between reading files (milliseconds)-n, -dryrun     display what would have been done, but don't do it

注意 rdfind 命令提供了 -deleteduplicates true 的設定選項以刪除副本。希望這個命令語法上的小問題不會惹惱你。;-)

$ rdfind -deleteduplicates true ....Deleted 1 files.    <==

你將可能需要在你的系統上安裝 rdfind 命令。試驗它以熟悉如何使用它可能是一個好主意。

使用 fdupes 命令

fdupes 命令同樣使得識別重複檔案變得簡單。它同時提供了大量有用的選項——例如用來疊代的 -r。在這個例子中,它像這樣將重復檔案分組到一起:

$ fdupes ~/home/shs/UPGRADE/home/shs/mytwin/home/shs/lp.txt/home/shs/lp.man/home/shs/penguin.png/home/shs/penguin0.png/home/shs/hideme.png

這是使用疊代的一個例子,注意許多重復檔案是重要的(使用者的 .bashrc.profile 檔案)並且不應被刪除。

# fdupes -r /home/home/shark/home.html/home/shark/index.html/home/dory/.bashrc/home/eel/.bashrc/home/nemo/.profile/home/dory/.profile/home/shark/.profile/home/nemo/tryme/home/shs/tryme/home/shs/arrow.png/home/shs/PNGs/arrow.png/home/shs/11/files_11.zip/home/shs/ERIC/file_11.zip/home/shs/penguin0.jpg/home/shs/PNGs/penguin.jpg/home/shs/PNGs/penguin0.jpg/home/shs/Sandra_rotated.png/home/shs/PNGs/Sandra_rotated.png

fdupe 命令的許多選項列如下。使用 fdupes -h 命令或者閱讀 man 頁面獲取詳情。

-r --recurse     recurse-R --recurse:    recurse through specified directories-s --symlinks    follow symlinked directories-H --hardlinks   treat hard links as duplicates-n --noempty     ignore empty files-f --omitfirst   omit the first file in each set of matches-A --nohidden    ignore hidden files-1 --sameline    list matches on a single line-S --size        show size of duplicate files-m --summarize   summarize duplicate files information-q --quiet       hide progress indicator-d --delete      prompt user for files to preserve-N --noprompt    when used with --delete, preserve the first file in set-I --immediate   delete duplicates as they are encountered-p --permissions don't soncider files with different owner/group or                 permission bits as duplicates-o --order=WORD  order files according to specification-i --reverse     reverse order while sorting-v --version     display fdupes version-h --help        displays help

fdupes 命令是另一個你可能需要安裝並使用一段時間才能熟悉其眾多選項的命令。

總結

Linux 系統提供能夠定位並(潛在地)能移除重複檔案的一系列的好工具,以及能讓你指定搜尋區域及當對你所發現的重復檔案時的處理方式的選項。