k47.cz

Detekce duplicitních souborů

autor: kaja47 - CC by - publikováno: - sekce obsah » programování » skripty #2324
štítky: a

Jednoduchý Scala skript, který detekuje a vypíše duplicitní soubory. Hodí se pro promazávání galerií obrázků stažených z 4chanu.

UPDATE (podstatně rychlejší verze, protože napřed porovnává velikosti souborů a pak teprve vypočítá hashe)

import java.io
import java.security.MessageDigest
import java.nio.channels.FileChannel.MapMode._

def makeHash(file: io.File) = {
  val md = MessageDigest.getInstance("MD5")
  val stream = new io.FileInputStream(file)
  val buffer = stream.getChannel.map(READ_ONLY, 0, file.length)

  md.update(buffer)
  val md5 = BigInt(md.digest())
  stream.close()
  md5
}

val files = (new io.File(".").listFiles
  .filter(_.isFile)
  .groupBy(_.length)     // Map[Long, Seq[File]]
  .valuesIterator        // Seq[Seq[File]]
  .filter(_.size > 1)    // multiple files with same size
  .flatMap { fs =>       // we must go deeper!
    (fs                  // Seq[File]
    .groupBy(makeHash _) // Map[BigInt, Seq[FileHash]]
    .values              // Seq[Seq[File]]
    .filter(_.size > 1)  // has duplicates
    .map(_.tail)         // only duplicates
    )
  }
)

for(f <- files.flatten) println(f)

U každé duplicity (truplicity, kvadruplicity, atd.) jsou vypsány všechny soubory kromě jednoho. Takže všechny vypsané soubory můžeme bezpečně smazat:

rm $(scala -savecompiled dupl.scala)

(první verze)


komentáře RSS

Zatím žádné komentáře. Buďte první.

Napište komentář!

 

o autorovi:

další projekty

wyhledawacz fel.log stalkr vtipy.k47.cz k47.shop Zkracovač adres stripbot

tadá

poslední články

65daysofstatic - první a poslední
hudební článek | 15. listopadu 2016
Zavřete oči a poslouchejte, hraje Mono
hudební článek | 31. října 2016
Post-rock a Ibuprofen
hudební článek | 19. října 2016
Náhoda tomu chtěla...
foto | 30. srpna 2016
Žádná slova, žádné myšlenky
| 31. července 2016

poslední komentáře

Sedm let post-rocku
kaja47 | 5. listopadu 2016
Sedm let post-rocku
Roman Štec | 1. listopadu 2016
Sedm let post-rocku
Anonym | 1. listopadu 2016
Náhoda tomu chtěla...
Severák | 31. srpna 2016
Now we are all sons of bitches
kaja47 | 7. června 2016
Now we are all sons of bitches
Severák | 7. června 2016
Slepota v osmadvaceti
Woodbin | 15. května 2016
MySQL: rychlý výběr náhodného záznamu
Tomas Hanke | 22. března 2016

K47i © 2002 - 2016 K. aka Kaja47