R

Question

我正在尝试在R中创建一个简单的csv表输出，该输出仅包含通过目录列出的文件列表（递归）。输出应至少包含3列：

• 完整路径（例如\ path \ to \ file \ somefile.txt）
• 文件大小
• 文件的MD5哈希
• （其他file.info属性（创建，修改数据等）会有所帮助，但并非绝对必要

我有以下脚本，可以从Internet上的不同地方窃听，可以正常工作，但是我认为这不是“最佳”方法，并且/或者可能比较脆弱。我正在寻求有关如何清理并帮助改善我的R技能的任何意见/建议。谢谢！

*我特别关注cbind的工作原理，以及它如何“知道”是否保留行排列/顺序？

    library(digest)
library(tidyverse)
library(magrittr)

test_dir <- "C:\\Path\\To\\Folder"
outfile <- "out.csv"

file.names <- list.files(test_dir, recursive = TRUE, full.names = TRUE)

md5s <- sapply(file.names, digest, file = TRUE, algo = "md5")

q <- map(file.names, file.info)

file.sizes <- map_df(q, extract, c("size"))

output <- cbind(file.names, file.sizes, md5s)

write_csv(output, str_c("./R/", outfile))

Answer 1

一个技巧可能是使用openssl md5函数而不是digest。

library(openssl)

md5s <- md5(file.names)

它已经被矢量化了，所以您不需要使用sapply，它可以提高处理速度（取决于您要散列的文件大小）。

对于 cbind ，它将保留您使用键（md5）绑定到的第一列的顺序，因此输出将具有file.names的顺序。