Remoção do nível de revisão baseado em arquivos PDF duplicados no sistema de nomes de arquivos

Question

Eu estou tentando criar um lote, PowerShell, ou qualquer um novato como eu poderia correr facilmente para completar a tarefa seguinte. Qualquer ajuda seria muito apreciada.

Eu tenho alguns milhares de pdfs, em uma pasta, que estou tentando classificar. O problema é que a pasta inclui revisões antigas e novas dos mesmos documentos em pdf. Eu só quero manter a revisão mais recente de cada documento único. A versão revisada é indicada pela adição de uma letra no final do nome do arquivo (A-Z). Aqui está uma lista de exemplos.

670BA-11-001.pdf
670BA-11-001A.pdf
670BA-11-001B.pdf
670BA-12-001.pdf
670BA-15-030C.pdf
670BA-49-120AC.pdf
670BA-49-120AD.pdf

• Todos os arquivos começam com " 670BA "
• Os números a seguir mudam. %código%
• Um arquivo sem letra no final do nome do arquivo indica que é a revisão original
• Um arquivo com uma letra no final do nome do arquivo indica que é uma versão revisada.
• As revisões vão de 670BA-XX-XXX.pdf e, em seguida, A-Z e assim por diante.

Idealmente, gostaria que o arquivo em lote excluísse as versões mais antigas e deixasse a versão mais recente de cada documento exclusivo. Nesse caso, a saída deve se parecer com:

670B-11-001B.pdf
670B-12-001.pdf
670B-15-030C.pdf
670BA-49-120AD.pdf

Recebi o seguinte código, mas acredito que esteja no unix (mais uma vez perdoe minha falta de conhecimento aqui). Isso funcionaria se eu pudesse convertê-lo para o comando windows?

codes='ls | sort | cut -d'-' -f2 | uniq'
for f in $codes; do old='ls *-$f-* | head -n -1'; rm -vf $old; done

Veja o que está acontecendo;

ls | sort lists all the files in lexical order
cut -d'-' -f2 | uniq 

divide os nomes dos arquivos em '-', pega o número de 2 dígitos de meio, e se livrar de duplicatas.

ls *-$f-* | head -n -1 

lista todos os arquivos para um código de 2 dígitos, exceto o último - que é o mais novo.

rm -f $old 

apaga os arquivos antigos, e o -f evita que ele falhe na lista está vazio.

SAMPLE RUN;

/tmp# touch 601R-11-001.pdf   601R-11-001B.pdf  601R-15-030C.pdf  601R-25-005E.pdf   601R-49-120AD.pdf  601R-11-001A.pdf  601R-12-001.pdf   601R-25-005D.pdf  601R-49-120AC.pdf

/tmp# codes='ls | sort | cut -d'-' -f2 | uniq'

/tmp# echo $codes
11 12 15 25 49

/tmp# for f in $codes; do old='ls *-$f-* | head -n -1'; rm -vf $old; done

removed '601R-11-001.pdf'
removed '601R-11-001A.pdf'
removed '601R-25-005D.pdf'
removed '601R-49-120AC.pdf'

    

Answer 1

Se você tem um código Bash (não testei o script no seu post), você pode executá-lo no Windows por instalando o Ubuntu no Windows Subsystem para Linux . Depois de configurar o Ubuntu, você pode abrir um prompt do Bash usando o item Bash no Ubuntu no Windows no menu Iniciar (se presente) ou digitando bash na caixa Executar. A estrutura C:\ do Windows está em /mnt/c/ no ambiente Bash.

Como alternativa, você pode usar o PowerShell!

$revPos = '670BA-XX-XXX'.Length
dir '670BA*.pdf' | group @{e={ $_.Name.Substring(0, $revPos) }} | % {
    $revs = $_.Group | % { $_.Name.Substring($revPos).Split('.')[0] } | group Length | sort -Descending -Property @{e={ [int]$_.Name }} | % { $_.Group | sort -Descending }
    $fileSet = $_.Name
    $revs | % { $fileSet + $_ + '.pdf' } | select -Skip 1 | del
}

Vamos dividi-lo por linha e por componente do pipeline:

1. Por conveniência, armazene o comprimento da peça que identifica o documento, ou seja, o índice da revisão. Isso pressupõe que os identificadores de documentos são sempre do mesmo tamanho.
2. Obtenha todos os conjuntos de arquivos.
   • Obtenha todos os arquivos no diretório atual que começam com 670BA e são .pdf s.
   • Agrupe-os pela primeira parte do nome, o identificador do documento. A empresa com o @{e={ é uma propriedade personalizada .
   • Iterar sobre os grupos.
3. Obtenha uma lista classificada de IDs de revisão para o grupo atual.
   • A propriedade Group está nos objetos de saída do group .
   • Para cada objeto de arquivo incluído no grupo, selecione a parte de seu nome após o identificador do documento, mas antes do período em .pdf . Este é o identificador de revisão. Se um arquivo não for revisado, essa será uma cadeia de comprimento zero.
   • Agrupe os IDs de revisão por tamanho.
   • Classifique os objetos do grupo (não os itens neles) pelo comprimento de suas cadeias de membros. A propriedade Name do grupo contém o valor da propriedade que foi usada para agrupar os objetos.
   • Para cada um desses objetos de grupo, ordene seus membros em ordem alfabética. Isso agrupa todos os grupos na variável $revs , classificada de acordo com seu sistema de versão.
4. Armazene o valor Name do grupo de arquivos em uma variável diferente para mantê-lo acessível, pois outros para-cada ( % ) irão sombrear a variável $_ .
5. Excluir tudo, exceto a revisão mais recente no grupo de documentos.
   • Use as entradas na lista $revs .
   • Recomponha o nome completo do arquivo para cada identificador de revisão. $_ agora contém identificadores de revisão de $revs .
   • Ignore a primeira entrada, pois é a mais nova, a que queremos manter.
   • Exclua os arquivos correspondentes a todas as entradas restantes no pipeline. Se você quiser testar o script sem excluir nada , adicione um espaço e a opção -WhatIf no final dessa linha. No modo hipotético, del apenas imprimirá o que teria feito.
6. Encerra a iteração do grupo de documentos.

Para usar o script, salve-o como um arquivo .ps1 , por exemplo %código%. Se ainda não o fez, siga as instruções na seção Habilitando Scripts do wiki de tags do PowerShell . Então você pode colocá-lo em sua pasta de documentos, abrir o PowerShell e executá-lo assim:

.\revnewest.ps1