在递归目录中按名称查找文件的副本 - Linux

Question

我有一个文件夹，其中包含子文件夹和更多文件。

文件按以下方式命名

abc.DEF.xxxxxx.dat

我正在尝试在上述模式中找到仅匹配'xxxxxx'的重复文件而忽略其余文件。扩展名.dat不会更改。但是abc和DEF的长度可能会改变。按期间分隔的顺序也不会改变。

我猜我需要以下列方式使用Find

find -regextype posix-extended -regex '\w+\.\w+\.\w+\.dat'

我需要帮助提出正则表达式。感谢。

实施例： 对于名为'epg.ktt.crwqdd.dat'的文件，我需要找到包含'crwqdd'的重复文件。

Answer 1

您可以使用awk：

find /path -type f -name '*.dat' | awk -F. 'a[$4]++'

<强>解释

让find给出以下输出：

./abd.DdF.TTDFDF.dat
./cdd.DxdsdF.xxxxxx.dat
./abc.DEF.xxxxxx.dat
./abd.DdF.xxxxxx.dat
./abd.DEF.xxxxxx.dat

基本上，用计算机的单词说出，你想要计算.dat和下一个点之间的模式的出现次数，并打印出至少第二次出现模式的那些行。

为实现这一目标，我们将.文件名拆分为5（！）字段：

 echo ./abd.DEF.xxxxxx.dat | awk -F. '{print $1 " " $2 " " $3 " " $4  " " $5}'
  /abd DEF xxxxxx dat

注意第一个空字段。感兴趣的模式是$4。

要计算$4中模式的出现次数，我们使用关联数组a并在每次出现时递增它的值。未经优化，awk命令将如下所示：

... | awk -F. '{{if(a[$4]++ > 1){print}}'

但是，您可以使用以下格式编写awk程序：

CONDITION { ACTION }

什么会给我们：

... | awk -F. 'a[$4]++ > 1 {print}'

print是awk中的默认操作。它打印整个当前行。由于它是默认操作，因此可以省略。此外，>1检查可以省略，因为awk将大于零的整数值视为true。这给了我们最后的命令：

... | awk -F. 'a[$4]++' 

为了概括命令我们可以说感兴趣的模式不是第4列，它是最后一列的下一列。这可以使用awk NF中的字段数表示：

... | awk -F. 'a[$(NF-1)]++'

输出：

./abc.DEF.xxxxxx.dat
./abd.DdF.xxxxxx.dat
./abd.DEF.xxxxxx.dat