How can I find all of the distinct file extensions in a folder hierarchy?
在Linux机器上,我想遍历文件夹层次结构,并获得其中所有不同文件扩展名的列表。
什么是从贝壳中实现这一点的最佳方法?
试试这个(不确定这是不是最好的方法,但它是有效的):
1 | find . -type f | perl -ne 'print $1 if m/\.([^.\/]+)$/' | sort -u |
其工作原理如下:
- 查找当前文件夹中的所有文件
- 打印文件扩展名(如果有)
- 创建唯一的排序列表
不需要管到
1 | find . -type f | awk -F. '!a[$NF]++{print $NF}' |
递归版本:
1 | find . -type f | sed -e 's/.*\.//' | sed -e 's/.*\///' | sort -u |
如果需要总计(查看扩展的5月份次数):
1 | find . -type f | sed -e 's/.*\.//' | sed -e 's/.*\///' | sort | uniq -c | sort -rn |
非递归(单个文件夹):
1 2 | for f in *.*; do printf"%s ""${f##*.}"; done | sort -u |
我是根据这个论坛帖子写的,信用卡应该放在那里。
Powershell:
1 | dir -recurse | select-object extension -unique |
感谢http://kevin-berridge.blogspot.com/2007/11/windows-powershell.html
找到所有带点的东西,只显示后缀。
1 | find . -type f -name"*.*" | awk -F. '{print $NF}' | sort -u |
如果你知道所有后缀都有3个字符,那么
1 | find . -type f -name"*.???" | awk -F. '{print $NF}' | sort -u |
或者使用sed显示所有后缀,其中包含一到四个字符。将1,4更改为后缀中需要的字符范围。
1 | find . -type f | sed -n 's/.*\.\(.\{1,4\}\)$/\1/p'| sort -u |
加入我自己的变种。我认为这是最简单的一批,当效率不是一个大问题时,它是有用的。
1 | find . -type f | grep -o -E '\.[^\.]+$' | sort -u |
我在这里试了很多答案,甚至是最好的答案。他们都没有达到我所追求的目标。所以除了在过去的12个小时里坐在多个程序的regex代码中,阅读和测试这些答案之外,这就是我想到的,我想要的工作方式。
1 | find . -type f -name"*.*" | grep -o -E"\.[^\.]+$" | grep -o -E"[[:alpha:]]{2,16}" | awk '{print tolower($0)}' | sort -u |
- 查找可能具有扩展名的所有文件。
- 只增加扩展名
- greps用于2到16个字符之间的文件扩展名(如果不适合您的需要,只需调整数字)。这有助于避免缓存文件和系统文件(系统文件位用于搜索监狱)。
- 以小写形式打印扩展名。
- 排序并只引入唯一的值。最初,我曾试图尝试awk答案,但它将双重打印的项目,在案件敏感性不同。
如果需要文件扩展名的计数,请使用以下代码
1 | find . -type f -name"*.*" | grep -o -E"\.[^\.]+$" | grep -o -E"[[:alpha:]]{2,16}" | awk '{print tolower($0)}' | sort | uniq -c | sort -rn |
虽然这些方法需要一段时间才能完成,而且可能不是解决问题的最佳方法,但它们是有效的。
更新:每@alpha_长文件扩展名都会导致问题。这是由于原始的regex"[:alpha:]3,6"。我已经更新了答案,包括regex"[:alpha:]2,16"。但是,使用此代码的任何人都应该知道,这些数字是最终输出允许扩展的最小值和最大值。超出该范围的任何内容都将在输出中拆分为多行。
注意:原来的帖子读到了"-greps文件扩展名在3到6个字符之间(只是调整数字,如果他们不适合你的需要)。这有助于避免缓存文件和系统文件(系统文件位用于搜索监狱)。"
想法:可以通过以下方式查找特定长度的文件扩展名:
1 | find . -type f -name"*.*" | grep -o -E"\.[^\.]+$" | grep -o -E"[[:alpha:]]{4,}" | awk '{print tolower($0)}' | sort -u |
其中4是要包含的文件扩展名长度,然后查找超出该长度的任何扩展名。
在python中,对非常大的目录使用生成器,包括空白扩展,并获取每个扩展出现的次数:
1 2 3 4 5 6 7 8 9 10 11 12 13 | import json import collections import itertools import os root = '/home/andres' files = itertools.chain.from_iterable(( files for _,_,files in os.walk(root) )) counter = collections.Counter( (os.path.splitext(file_)[1] for file_ in files) ) print json.dumps(counter, indent=2) |
我的awk-less、sed-less、perl-less、python-less-posix兼容替代方案:
1 | find . -type f | rev | cut -d. -f1 | rev | tr '[:upper:]' '[:lower:]' | sort | uniq --count | sort -rn |
诀窍是,它将线反转,并在开始处切断延长线。它还将扩展名转换为小写。
实例输出:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | 3689 jpg 1036 png 610 mp4 90 webm 90 mkv 57 mov 12 avi 10 txt 3 zip 2 ogv 1 xcf 1 trashinfo 1 sh 1 m4v 1 jpeg 1 ini 1 gqv 1 gcs 1 dv |
我认为这件事还没有提到:
1 | find . -type f -exec sh -c 'echo"${0##*.}"' {} \; | sort | uniq -c |
因为已经有另一个使用Perl的解决方案:
如果安装了python,也可以(从shell)执行以下操作:
1 2 | python -c"import os;e=set();[[e.add(os.path.splitext(f)[-1]) for f in fn]for _,_,fn in os.walk('/home')];print ' '.join(e)" |
我认为最简单和直接的方法是
1 | for f in *.*; do echo"${f##*.}"; done | sort -u |
它是在克里斯托夫的第三条道路上修改的。
到目前为止,所有的回复都没有正确地处理换行的文件名(除了Christophed的,这是我刚输入的)。下面的不是壳牌一号衬里,而是工作的,而且速度相当快。
1 2 3 4 5 6 7 8 9 10 11 12 | import os, sys def names(roots): for root in roots: for a, b, basenames in os.walk(root): for basename in basenames: yield basename sufs = set(os.path.splitext(x)[1] for x in names(sys.argv[1:])) for suf in sufs: if suf: print suf |
你也可以这样做
1 | find . -type f -name"*.php" -exec PATHTOAPP {} + |