Question

如果我有两个文件集合：A和B（比如两个照片集）。两个集合之间存在重叠（集合A中的所有照片也存在于集合B中 - 可能具有不同的文件名）但在（可能）不同的目录结构中。此外，集合A中的文件可能会在集合B的不同位置出现多次，反之亦然（尽管文件名可能不同）。

我怎么能肯定地知道我可以安全地删除集合A（即集合A中的所有文件至少在集合B的某处存在一次）？

同样，它是关于文件内容，而不是文件名。

diff和衍生物对我没有帮助，因为他们抱怨集合A和B之间的文件结构不同。
fdupes（http://linux.die.net/man/1/fdupes）（比较文件大小和MD5签名，然后执行逐字节检查以进行验证）是一个方便的工具检查双打，但有一个令人讨厌的习惯，即从哪个集合中删除双文件是不可预测的。 “手动”选项非常耗时。

fdupes似乎也是错误的工具。我只需要知道集合A中的所有文件是否都计入集合B中。

Answer 1

首先从两个集合制作md5sum文件

    find CollectionA  -type f -print0 | xargs -0 md5sum -b > CollectionA.MD5SUM
    find CollectionB  -type f -print0 | xargs -0 md5sum -b > CollectionB.MD5SUM

之后你会在CollectionB中找到所有丢失的文件

   (while read MD5SUM FILENAME; do grep -qis $MD5SUM CollectionB.MD5SUM || echo $FILENAME does not exist in CollectionB; done)<CollectionA.MD5SUM

更加方便

   (while read MD5SUM FILENAME; do grep -qis $MD5SUM CollectionB.MD5SUM || echo ${FILENAME#\*} does not exist in CollectionB; done)<CollectionA.MD5SUM

从文件名的开头删除*。

你必须意识到，这个解决方案很慢。

集合A中的所有文件都是在不同结构的集合B中占据的吗？

1 个答案: