python查找指定具有相同内容文件的方法

作者:秋风秋雨 时间:2023-08-14 17:20:04 

本文实例讲述了python查找指定具有相同内容文件的方法。分享给大家供大家参考。具体如下:

python代码用于查找指定具有相同内容的文件,可以同时指定多个目录
调用方式:python doublesdetector.py c:\;d:\;e:\ > doubles.txt


# Hello, this script is written in Python - http://www.python.org
# doublesdetector.py 1.0p
import os, os.path, string, sys, sha
message = """
doublesdetector.py 1.0p
This script will search for files that are identical
(whatever their name/date/time).
Syntax : python %s <directories>
  where <directories> is a directory or a list of directories
  separated by a semicolon (;)
Examples : python %s c:\windows
     python %s c:\;d:\;e:\ > doubles.txt
     python %s c:\program files > doubles.txt
This script is public domain. Feel free to reuse and tweak it.
The author of this script Sebastien SAUVAGE <sebsauvage at sebsauvage dot net>
http://sebsauvage.net/python/
""" % ((sys.argv[0], )*4)
def fileSHA ( filepath ) :
 """ Compute SHA (Secure Hash Algorythm) of a file.
   Input : filepath : full path and name of file (eg. 'c:\windows\emm386.exe')
   Output : string : contains the hexadecimal representation of the SHA of the file.
            returns '0' if file could not be read (file not found, no read rights...)
 """
 try:
   file = open(filepath,'rb')
   digest = sha.new()
   data = file.read(65536)
   while len(data) != 0:
     digest.update(data)
     data = file.read(65536)
   file.close()
 except:
   return '0'
 else:
   return digest.hexdigest()
def detectDoubles( directories ):
 fileslist = {}
 # Group all files by size (in the fileslist dictionnary)
 for directory in directories.split(';'):
   directory = os.path.abspath(directory)
   sys.stderr.write('Scanning directory '+directory+'...')
   os.path.walk(directory,callback,fileslist)
   sys.stderr.write('\n')
 sys.stderr.write('Comparing files...')
 # Remove keys (filesize) in the dictionnary which have only 1 file
 for (filesize,listoffiles) in fileslist.items():
   if len(listoffiles) == 1:
     del fileslist[filesize]
 # Now compute SHA of files that have the same size,
 # and group files by SHA (in the filessha dictionnary)
 filessha = {}
 while len(fileslist)>0:
   (filesize,listoffiles) = fileslist.popitem()
   for filepath in listoffiles:
     sys.stderr.write('.')
     sha = fileSHA(filepath)
     if filessha.has_key(sha):
       filessha[sha].append(filepath)
     else:
       filessha[sha] = [filepath]
 if filessha.has_key('0'):
   del filessha['0']
 # Remove keys (sha) in the dictionnary which have only 1 file
 for (sha,listoffiles) in filessha.items():
   if len(listoffiles) == 1:
     del filessha[sha]
 sys.stderr.write('\n')
 return filessha
def callback(fileslist,directory,files):
 sys.stderr.write('.')
 for fileName in files:
   filepath = os.path.join(directory,fileName)
   if os.path.isfile(filepath):
     filesize = os.stat(filepath)[6]
     if fileslist.has_key(filesize):
       fileslist[filesize].append(filepath)
     else:
       fileslist[filesize] = [filepath]
if len(sys.argv)>1 :
 doubles = detectDoubles(" ".join(sys.argv[1:]))
 print 'The following files are identical:'
 print '\n'.join(["----\n%s" % '\n'.join(doubles[filesha]) for filesha in doubles.keys()])
 print '----'
else:
 print message

希望本文所述对大家的Python程序设计有所帮助。

标签:python,查找,文件
0
投稿

猜你喜欢

  • Go mod包管理工具详解

    2024-04-30 10:08:11
  • 基于Pyinstaller打包Python程序并压缩文件大小

    2023-11-10 06:41:05
  • Windows下mysql 8.0.12 安装详细教程

    2024-01-23 23:52:36
  • python爬虫---requests库的用法详解

    2022-11-19 10:08:19
  • sql 2000清空后让表的id从1开始等数据库操作

    2024-01-18 11:30:15
  • python封装对象实现时间效果

    2022-10-30 16:14:01
  • django+js+ajax实现刷新页面的方法

    2021-04-19 05:22:20
  • ASP运行环境iis和pws的搭建

    2007-09-22 18:44:00
  • 解决django 新增加用户信息出现错误的问题

    2021-07-27 12:50:46
  • 修改python plot折线图的坐标轴刻度方法

    2021-06-24 09:09:43
  • 画pytorch模型图,以及参数计算的方法

    2023-09-25 09:12:58
  • Python中itertools模块的使用教程详解

    2023-08-24 03:07:25
  • Python3 socket即时通讯脚本实现代码实例(threading多线程)

    2022-05-20 08:52:17
  • python简单实现插入排序实例代码

    2021-11-27 14:33:04
  • 黑客谈 MSSQL SA权限入侵的感悟

    2008-03-20 10:18:00
  • python GUI库图形界面开发之PyQt5控件数据拖曳Drag与Drop详细使用方法与实例

    2022-04-19 04:22:39
  • iOS开发runloop运行循环机制学习

    2024-01-24 19:03:04
  • 关于页面刷新,事件重复提交的方法分享

    2023-07-06 06:50:03
  • PHP session会话操作技巧小结

    2023-11-16 23:58:20
  • 关于SQL中CTE(公用表表达式)(Common Table Expression)的总结

    2012-08-21 10:22:21
  • asp之家 网络编程 m.aspxhome.com