递归地在目录中按名称查找文件的重复项-Linux

Question

我有一个文件夹，其中包含子文件夹和一些其他文件。

这些文件的命名方式如下

abc.DEF.xxxxxx.dat

我试图在上面的模式中找到只与“xxxxxx”匹配的重复文件，忽略其余的。分机。dat没有改变。但是abc和DEF的长度可能会改变。按周期划分的顺序也不会改变。

我猜我需要用下面的方式使用Find

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

我需要帮助想出正则表达式。谢谢

例如：对于名为“epg”的文件。ktt。crwqdd。dat，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]++'

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，用计算机的话来说，你需要计算之间模式的出现次数。dat和下一个点，并打印至少第二次出现图案的线条。

为了实现这一点，我们将文件名按拆分。什么给了我们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美元。

要计算4美元模式的出现次数，我们使用关联数组a并在每次出现时增加它的值。未优化的awk命令如下所示：

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

但是，您可以按照以下格式编写awk程序：

CONDITION { ACTION }

会给我们什么：

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

print是awk中的默认操作。它会打印整个当前行。因为这是默认操作，所以可以忽略它。还有

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

为了概括这个命令，我们可以说感兴趣的模式不是第四列，而是倒数第二列。这可以使用awkitsNF中的字段数来表示：

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

输出：

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