Eu tenho muitos arquivos recuperados, dos quais muitos são inválidos, embora pareçam estar bem por nome e extensão. Isso é esperado.
Agora eu preciso filtrar aqueles que provavelmente estão ok. Eu vejo a opções:
Por exemplo, os arquivos power point (* .pptx) são, na verdade, contêineres zip que começam com PK nos dois primeiros bytes. Então o comando
head --byte 2 filename
gera PK para a maioria dos arquivos bons, enquanto os arquivos ruins não iniciam com PK.
Pergunta 1: Como posso combinar head com find para listar os arquivos correspondentes?
Outra abordagem é o comando file . Imprime
Zip archive data, at least v2.0 to extract
para bons arquivos de ponto de poder, mas simplesmente
data
para arquivos inválidos.
Pergunta 2: Como posso combinar file com find para listar arquivos válidos?
Há também outro tipo de arquivo, mas eu posso aumentar o technque se eu só obtiver a dica:)
Pergunta 3: as formas mais óbvias de fazer isso?
Descobri o parâmetro -printf para find , o que torna muitas coisas muito mais fáceis do que usar -exec . Então, este comando irá identificar os arquivos (provavelmente) bons e movê-los para um subdiretório chamado good:
find . -type f -printf "file '%p' | grep 'Zip archive data' && mv '%p' good \n" | sh
Para documentos do Word e do Excel, você pode usar a string "Author:", pois arquivos de documentos válidos parecem ter esse atributo.
Com o find você poderia fazer algo como
find . -type f -exec file "{}" + | awk '/Zip archive data/ {print $1}' | sed 's/:$//'
que irá imprimir o nome do arquivo (removendo o trailing :) dos arquivos que o arquivo identifica como Zip archive data.
Eu recomendaria o uso do grep, já que é para pesquisar texto em um arquivo.
Não tenho certeza dos detalhes de que você precisará, mas isso deve começar: link
Tags find data-recovery linux