Ho scaricato molte immagini in una directory.
Downloader ha rinominato i file già esistenti.
Ho anche rinominato manualmente alcuni file.

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

Come rimuovere quelli duplicati? Il risultato dovrebbe essere:

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

nota: il nome non ha importanza. Voglio solo file 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

Questo è sia ricorsivo che gestisce qualsiasi nome di file. L'aspetto negativo è che richiede la versione 4.x per la capacità di utilizzare array associativi e ricerche ricorsive. Rimuovi echose ti piacciono i risultati.

versione 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='"' *

Si noti che questo si interromperà ancora sui file che hanno le virgolette doppie nel loro nome. Non c'è modo reale di aggirare questo awk. Rimuovi echose ti piacciono i risultati.

fdupes è lo strumento che preferisci . Per trovare tutti i file duplicati (per contenuto, non per nome) nella directory corrente:

fdupes -r .

Per confermare manualmente l'eliminazione di file duplicati:

fdupes -r -d .

Per eliminare automaticamente tutte le copie tranne il primo di ogni file duplicato ( attenzione, questo avviso, in realtà elimina i file, come richiesto ):

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

Consiglio di controllare manualmente i file prima dell'eliminazione:

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

Puoi provare FSLint . Ha sia la riga di comando che l'interfaccia GUI .

Essendo un po 'pigro, non mi ci è voluto molto per trovarne uno online .

Devi prima creare un checksum CRC per ogni file, poiché ovviamente desideri rimuovere solo i duplicati esatti.

cksum  *.jpg | sort -n > filelist

Quindi, scorrere su questo elenco di file, leggendo il checksum e anche il nome file. Se due checksum sono uguali, il file verrà rimosso. Funziona, poiché l'ordinamento è numerico e ordina solo sui checksum, che raggruppa i file duplicati.

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

Ovviamente, questo non funziona in modo ricorsivo.

Come testare file con contenuti unici?

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

Come possiamo ottenere un elenco di file nella directory?

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

Possiamo ottenere 2 file dall'elenco e verificare se i loro nomi sono diversi e il contenuto è lo stesso.

#!/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

Ad esempio, abbiamo alcune dir:

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

Quindi ci sono solo 3 file univoci.

Eseguiamo quello script:

$> ./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'

E abbiamo lasciato solo 3 file.

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

Ho scritto questo piccolo script per eliminare i file duplicati

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

Fondamentalmente utilizza un file temporaneo ( /tmp/list.txt) per creare una mappa di file e dei loro hash. Più tardi uso quei file e la magia delle pipe Unix per fare il resto.

Lo script non eliminerà nulla ma stamperà i comandi per eliminare i file.

mfilter.sh ./dir | bash

Spero che sia d'aiuto

Versione più concisa di rimozione di file duplicati (solo una riga)

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

Ho trovato un modo più semplice per eseguire la stessa attività

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

La maggior parte e forse tutte le risposte rimanenti sono terribilmente inefficienti calcolando il checksum di ogni singolo file nella directory da elaborare.

Un approccio potenzialmente più rapido di ordini di grandezza è innanzitutto ottenere la dimensione di ciascun file, che è quasi immediata ( lso stat), quindi calcolare e confrontare i checksum solo per i file con dimensioni non univoche.

Non è quello che stai chiedendo, ma penso che qualcuno potrebbe trovarlo utile quando i checksum non sono gli stessi, ma il nome è simile (con il suffisso tra parentesi). Questo script rimuove i file con suffissi come ("digit")

#! /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

Ho trovato un piccolo programma che semplifica davvero questo tipo di attività: fdupes .