Question

我需要通过终端或MATLAB获取文件夹中的所有.html文件，但问题是这些.html文件在文件中没有明确的.html扩展名。在这种情况下，我也试图捕获.GIF的文件，但没有明确的扩展名。

我编写了一个可以在MATLAB中执行此操作的脚本，该脚本调用unix函数基本上遍历文件夹中的所有文件，读取它们并获取它们的扩展名，最后将它们从文件夹中删除。

我的代码成功完成了它，但它需要太长时间（可能大约一个小时）。文件夹中有大约12,000个文件，但我正在寻找一些更节省时间的文件。我确信终端中有两三行的快捷方式。

close all; clear all;

Z=dir('./');
file_number=length(Z)-2;

stats=[];
stats2=[];

for i=1:file_number
    file_name=Z(i+2).name;
    command=['cat ' file_name ' | grep GIF'];
    stats=~unix(command);
    command2=['cat ' file_name ' | grep html'];
    stats2=~unix(command2);

    if stats==1 || stats2==1
        command3=['rm ' file_name];
        unix(command3);
    end

    if rem(i,100)==0
        disp(i);
    end
end

另一个重要细节：我的文件名称中没有.html或.gif。我知道他们有这种类型，因为他们的神奇数字（并通过右键单击和查看文件属性）。我的文件名是“1”，“2”，......，“7”，......“11498”。理想情况下，它们是“1.html”，“2.gif”，“3.jpg”等等。但它们不是。

Answer 1

也许您可以将两个grep命令合并为一个：

grep -E "GIF|html" file_name

另外，关于GIF文件，我认为可以避免复制整个文件，因为实际需要前三个字节。

Answer 2

现在，我无法在linux上查看它，但这是我的代码（对于bash）：

% HTML part
command=['for f in ./*; do if grep -q "<html>" "$f"; then  printf "$f\n" >> html_files; fi; done'];
stats=~unix(command);
% GIF part
command2=['for f in ./*; do first_bytes=$(head -c 3 $f); if [ "$first_bytes" == "GIF" ]; then printf "$f\n" >> gif_files; fi; done'];
stats2=~unix(command);

对于gif文件，前3个字节应为“GIF”。对于html文件，它可能必须包含＆lt; HTML取代。这些将创建2个文件（gif_files，html_files），分别包含GIF和HTML文件的所需文件名。您只需要textscan（或textread）这2个文件来获取文件名。我想这个方法会更快，因为控件保留在bash shell上，而不是ping到shell并返回MATLAB 20k +次！

注意！确保gif_files和html_files不存在（或者至少它们是空白的），否则你可能会读取重复的数据。

Answer 3

好吧，我拿到了魔棒：

grep -r -l -E "GIF|html" . | xargs rm

就像一个魅力。（电脑只用了3分钟。）

通过没有显式扩展名的终端获取目录中的所有html文件

3 个答案: