Mencari nama file duplikat dalam hierarki folder?

Saya memiliki folder bernama img, folder ini memiliki banyak tingkatan sub-folder, yang semuanya berisi gambar. Saya akan mengimpornya ke server gambar.

Biasanya gambar (atau file apa saja) dapat memiliki nama yang sama selama mereka berada di jalur direktori yang berbeda atau memiliki ekstensi yang berbeda. Namun, server gambar tempat saya mengimpornya memerlukan semua nama gambar untuk menjadi unik (bahkan jika ekstensi berbeda).

Misalnya gambar background.pngdan background.giftidak akan diizinkan karena meskipun mereka memiliki ekstensi yang berbeda mereka masih memiliki nama file yang sama. Bahkan jika mereka berada di sub-folder yang terpisah, mereka masih harus unik.

Jadi saya bertanya-tanya apakah saya dapat melakukan pencarian berulang di imgfolder untuk menemukan daftar file yang memiliki nama yang sama (tidak termasuk ekstensi).

Apakah ada perintah yang bisa melakukan ini?

FSlint adalah pengganda duplikat serbaguna yang mencakup fungsi untuk menemukan nama duplikat:

Paket FSlint untuk Ubuntu menekankan antarmuka grafis, tetapi seperti yang dijelaskan dalam FAQ FSlint, antarmuka baris perintah tersedia melalui program-program di /usr/share/fslint/fslint/. Gunakan --helpopsi untuk dokumentasi, misalnya:

$ /usr/share/fslint/fslint/fslint --help
File system lint.
A collection of utilities to find lint on a filesystem.
To get more info on each utility run 'util --help'.

findup -- find DUPlicate files
findnl -- find Name Lint (problems with filenames)
findu8 -- find filenames with invalid utf8 encoding
findbl -- find Bad Links (various problems with symlinks)
findsn -- find Same Name (problems with clashing names)
finded -- find Empty Directories
findid -- find files with dead user IDs
findns -- find Non Stripped executables
findrs -- find Redundant Whitespace in files
findtf -- find Temporary Files
findul -- find possibly Unused Libraries
zipdir -- Reclaim wasted space in ext2 directory entries
$ /usr/share/fslint/fslint/findsn --help
find (files) with duplicate or conflicting names.
Usage: findsn [-A -c -C] [[-r] [-f] paths(s) ...]

If no arguments are supplied the $PATH is searched for any redundant
or conflicting files.

-A reports all aliases (soft and hard links) to files.
If no path(s) specified then the $PATH is searched.

If only path(s) specified then they are checked for duplicate named
files. You can qualify this with -C to ignore case in this search.
Qualifying with -c is more restictive as only files (or directories)
in the same directory whose names differ only in case are reported.
I.E. -c will flag files & directories that will conflict if transfered
to a case insensitive file system. Note if -c or -C specified and
no path(s) specifed the current directory is assumed.

Contoh penggunaan:

$ /usr/share/fslint/fslint/findsn /usr/share/icons/ > icons-with-duplicate-names.txt
$ head icons-with-duplicate-names.txt 
-rw-r--r-- 1 root root    683 2011-04-15 10:31 Humanity-Dark/AUTHORS
-rw-r--r-- 1 root root    683 2011-04-15 10:31 Humanity/AUTHORS
-rw-r--r-- 1 root root  17992 2011-04-15 10:31 Humanity-Dark/COPYING
-rw-r--r-- 1 root root  17992 2011-04-15 10:31 Humanity/COPYING
-rw-r--r-- 1 root root   4776 2011-03-29 08:57 Faenza/apps/16/DC++.xpm
-rw-r--r-- 1 root root   3816 2011-03-29 08:57 Faenza/apps/22/DC++.xpm
-rw-r--r-- 1 root root   4008 2011-03-29 08:57 Faenza/apps/24/DC++.xpm
-rw-r--r-- 1 root root   4456 2011-03-29 08:57 Faenza/apps/32/DC++.xpm
-rw-r--r-- 1 root root   7336 2011-03-29 08:57 Faenza/apps/48/DC++.xpm
-rw-r--r-- 1 root root    918 2011-03-29 09:03 Faenza/apps/16/Thunar.png

find . -mindepth 1 -printf '%h %f\n' | sort -t ' ' -k 2,2 | uniq -f 1 --all-repeated=separate | tr ' ' '/'

Sebagai komentar menyatakan, ini akan menemukan folder juga. Ini adalah perintah untuk membatasi file:

find . -mindepth 1 -type f -printf '%p %f\n' | sort -t ' ' -k 2,2 | uniq -f 1 --all-repeated=separate | cut -d' ' -f1

Simpan ini ke file bernama duplicates.py

#!/usr/bin/env python

# Syntax: duplicates.py DIRECTORY

import os, sys

top = sys.argv[1]
d = {}

for root, dirs, files in os.walk(top, topdown=False):
    for name in files:
        fn = os.path.join(root, name)
        basename, extension = os.path.splitext(name)

        basename = basename.lower() # ignore case

        if basename in d:
            print(d[basename])
            print(fn)
        else:
            d[basename] = fn

Kemudian buat file tersebut dapat dieksekusi:

chmod +x duplicates.py

Jalankan di misalnya seperti ini:

./duplicates.py ~/images

Seharusnya output pasangan file yang memiliki nama sama (1). Ditulis dengan python, Anda harus dapat memodifikasinya.

Saya berasumsi Anda hanya perlu melihat "duplikat" ini, lalu menanganinya secara manual. Jika demikian, kode bash4 ini harus melakukan apa yang Anda inginkan.

declare -A array=() dupes=()
while IFS= read -r -d '' file; do 
    base=${file##*/} base=${base%.*}
    if [[ ${array[$base]} ]]; then 
        dupes[$base]+=" $file"
    else
        array[$base]=$file
    fi
done < <(find /the/dir -type f -print0)

for key in "${!dupes[@]}"; do 
    echo "$key: ${array[$key]}${dupes[$key]}"
done

Lihat http://mywiki.wooledge.org/BashGuide/Arrays#Associative_Arrays dan / atau manual bash untuk bantuan tentang sintaks array asosiatif.

Ini adalah bname:

#!/bin/bash
#
#  find for jpg/png/gif more files of same basename 
#
# echo "processing ($1) $2"
bname=$(basename "$1" .$2)
find -name "$bname.jpg" -or -name "$bname.png"

Jadikan itu dapat dieksekusi:

chmod a+x bname 

Tanyakan itu:

for ext in jpg png jpeg gif tiff; do find -name "*.$ext" -exec ./bname "{}" $ext ";"  ; done

Pro:

• Sangat mudah dan sederhana, oleh karena itu dapat diperpanjang.
• Menangani blank, tab, linebreak dan pagefeed dalam nama file, afaik. (Dengan asumsi tidak ada yang namanya dalam ekstensi-nama).

Menipu:

• Ia menemukan selalu file itu sendiri, dan jika ia menemukan a.gif untuk a.jpg, ia akan menemukan a.jpg untuk a.gif juga. Jadi untuk 10 file dengan nama yang sama, pada akhirnya menemukan 100 kecocokan.

Perbaikan skrip loevborg, untuk kebutuhan saya (termasuk keluaran yang dikelompokkan, daftar hitam, keluaran yang lebih bersih saat memindai). Saya memindai drive 10TB, jadi saya membutuhkan output yang sedikit lebih bersih.

Pemakaian:

python duplicates.py DIRNAME

duplicates.py

    #!/usr/bin/env python

    # Syntax: duplicates.py DIRECTORY

    import os
    import sys

    top = sys.argv[1]
    d = {}

    file_count = 0

    BLACKLIST = [".DS_Store", ]

    for root, dirs, files in os.walk(top, topdown=False):
        for name in files:
            file_count += 1
            fn = os.path.join(root, name)
            basename, extension = os.path.splitext(name)

            # Enable this if you want to ignore case.
            # basename = basename.lower()

            if basename not in BLACKLIST:
                sys.stdout.write(
                    "Scanning... %s files scanned.  Currently looking at ...%s/\r" %
                    (file_count, root[-50:])
                )

                if basename in d:
                    d[basename].append(fn)
                else:
                    d[basename] = [fn, ]

    print("\nDone scanning. Here are the duplicates found: ")

    for k, v in d.items():
        if len(v) > 1:
            print("%s (%s):" % (k, len(v)))
            for f in v:
                print (f)