BASH: encontre arquivos duplicados (compatível com MAC / LINUX)

Question

Estou procurando um script bash que seja compatível com o Mac, para encontrar arquivos duplicados em um diretório.

    

Answer 1

Não sei sobre compatibilidade com Mac, mas este Works For Me (TM) ):

#!/bin/bash
[ -n "$1" ] || exit 1
exec 9< <( find "$1" -type f -print0 )
while IFS= read -r -d '' -u 9
do
    file_path="$(readlink -fn -- "$REPLY"; echo x)"
    file_path="${file_path%x}"
    exec 8< <( find "$1" -type f -not -path "$file_path" -print0 )
    while IFS= read -r -d '' -u 8 OTHER
    do
        cmp --quiet -- "$REPLY" "$OTHER"
        case $? in
            0)
                echo -n "cmp -- "
                printf %q "${REPLY}"
                echo -n ' '
                printf %q "${OTHER}"
                echo ""
                break
                ;;
            2)
                echo "\'cmp\' failed!"
                exit 2
                ;;
            *)
                :
                ;;
        esac
    done
done

O resultado é um conjunto de comandos que você pode executar para verificar se o resultado está correto:)

Editar: a última versão funciona com nomes de arquivos muito estranhos, como:

$'/tmp/--$'\! *@ \a\b\E\E\f\r\t\v\"\' \n'

    

Answer 2

Isto irá encontrar arquivos sob um diretório com dupes. É bem cru, mas funciona.

#!/bin/bash

CKSUMPROG=md5sum
TMPFILE=${TMPDIR:-/tmp}/duplicate.$$
trap "rm -f $TMPFILE" EXIT INT

if [ ! -d "$1" ]
then
    echo "usage $0 directory" >2
    exit 1
fi

PRINTBLANK=
# dump fingerprints from all target files into a tmpfile
find "$1" -type f 2> /dev/null | xargs $CKSUMPROG  > $TMPFILE 2> /dev/null

# get fingerprints from tmpfile, get the ones with duplicates which means multiple files with same contents
for DUPEMD5 in $(cut -d ' ' -f 1 $TMPFILE | sort  | uniq -c | sort -rn | grep -v '^  *1 ' | sed 's/^ *[1-9][0-9]* //')
do
    if [ -z "$PRINTBLANK" ]
    then
        PRINTBLANK=1
    else
        echo
        echo
    fi

    grep "^${DUPEMD5} " $TMPFILE | gawk '{print $2}'
done

    

Answer 3

funciona para mim no meu mac, você vai pegar o arquivo duplicado pelo seu valor md5:

find ./ -type f -exec md5 {} \; | awk -F '=' '{print $2 "\t" $1}' | sort

    

Answer 4

Se apenas estiver interessado em arquivos no diretório atual (conforme indicado pelo OP), então este é o mais simples. Para linux e Windows (msys - testado, ou MinGW ou Cygwin com qualquer um com GnuWin32). Isso listará as duplicatas all .

md5sum * | sort | uniq -D -w 32

Para BSD / Mac OS X (listará apenas a primeira duplicata primeiro )

md5 -r * | sort | uniq -d -w 32