Linux查找并删除重复文件的命令行fdupes工具，dupeGuru图形工具

查了几十个网页，找到这个接近满意的解决方案
http://unix.stackexchange.com/questions/146197/fdupes-delete-files-aft...

不过正则里面的叹号好像不能起到清除空行的效果，改为d;
fdupes --recurse A/ B/ | sed '/^A/d; /^$/d; s/.*/"&"/' | xargs rm

但还有个小问题，如果A里面有重复的文件，但这文件不在B中，fdupes也是会列为结果，导致误删，要再想想

linux 通过md5查找重复文件

md5sum *|sort  |uniq -w32  -D|awk -F ' ' '{print $2}'

uniq          部分参数　

-c             #在每行前显示该行重复次数。

-d             #只输出重复的行。

-D             #只输出重复的行，有几行输出几行。

-f             #-f 忽略的段数，-f 1 忽略第一段。

-i             #不区分大小写。

-w             #忽略第n个字符以后的内容 。

-s             #-s 5忽略后面5个字符

md5sum * 先查看所有文件的md5值，重复的文件的md5值相同。

uniq  处理时是处理相邻两行，所以需要先排序。

因为处理完后会显示md5值影响观看，可以通过  awk 命令显示文件名

awk -F ' ' '{print $2}'        #-F指定分隔符，{print $2}指定第几列

编写脚本文件

# !/bin/bash

# 文件名： remove_dupliates.sh

# 描述：查找当前目录下重复文件，删除

ls -lS --time-style=long-iso | awk 'BEGIN {

    getline;getline;

    name1=$8;size=$5

}

{

    name2=$8;

    if(size==$5){

        "md5sum "name1 | getline; csum1=$1;

        "md5sum "name2 | getline; csum2=$1;

        if(csum1==csum2){

            print name1;print name2

        } 

    };

    size=$5; name1=name2;

}' | sort -u > duplicate_files

cat duplicate_files | xargs -I {} md5sum {} | sort | uniq -w 32 | awk '{ print "^"$2"$" }' | sort -u > duplicate_sample

echo Removing...

comm duplicate_files duplicate_sample -2 -3 | tee /dev/stderr | xargs rm 

echo Removed duplicated files successfully.

此shell工作原理。ls -lS 对当前目录所有文件按照文件大小进行排序，并列出文件的详细信息。awk读取ls -lS的输出，对行列进行比较，找出重复文件。

执行逻辑：

• 将文件依据大小排序并列出，这样大小相近的文件会排列在一起。识别大小相同的文件是我们查找重复文件的第一步。接下来，计算这些文件的校验和。如果校验和相同，那么这些文件就是重复文件，将被删除。

• 在从文件中读取文本行之前，首先要执行awk(awk是一个强大的文本分析工具)的BEGIN{}语句块.读取文本的工作在{}语句中进行，读取并处理的忣的行后，执行END{}语句块。

  使用$1,$2,$3...$n中获取命令输出中的每一列。我们将文件的md5sum保存在变量csum1和csum2中。变量name1和name2保存文件列表中位置连续的文件名。如果两个文件的校验和相同，那它们肯定是重复文件，其文件名会被打印出来。

如何快速找出Linux中的重复文件

find -not -empty -type f -printf "%s\n" | sort -rn | uniq -d | xargs -I{} -n1 find -type f -size {}c -print0 | xargs -0 md5sum | sort | uniq -w32 --all-repeated=separate

【1】find -not -empty -type f -printf “%s\n” ：find是查找命令；-not -empty是要寻找非空文件；-type f是指寻找常规文件；-printf “%s\n”表示的是文件的大小，单位为bytes
【2】sort -rn：这条命令就是按文件大小进行反向排序
【3】uniq -d：uniq是把重复的只输出一次，而-d指只输出重复的部分（如9出现了5次，那么就输出1个9，而2只出现了1次，并非重复出现的数字，故不输出）
【4】xargs -I{} -n1 find -type f -size {}c -print0：这一部分分两部分看，第一部分是xargs -I{} -n1，xargs命令将之前的结果转化为参数，供后面的find调用，其中-I{}是指把参数写成{}，而-n1是指将之前的结果一个一个输入给下一个命令（-n8就是8个8个输入给下一句，不写-n就是把之前的结果一股脑的给下一句）。后半部分是find -type f -size {}c -print0，find指令我们前面见过，-size{}是指找出大小为{}bytes的文件，而-print0则是为了防止文件名里带空格而写的参数。

【5】
xargs -0 md5sum：xargs是将前面的结果转化为输入，那么这个-0表示读取参数的时候以null为分隔符读取，这也不难理解，毕竟null的二进制表示就是00。后面的md5sum是指计算输入的md5值。
【6】uniq -w32 –all-repeated=separate 最后这里表示对MD5的前32个字节进行对比，以筛选出重复文件

使用Find命令

听起来好像比较抽象，其实命令就一条：

find -not -empty -type f -printf "%s\n" | sort -rn | uniq -d | xargs -I{} -n1 find -type f -size {}c -print0 | xargs -0 md5sum | sort | uniq -w32 --all-repeated=separate

• find -not -empty -type f -printf “%s\n” 表示使用find命令搜索出所有非空文件，再打印出他们的大小
• sort -rn 命令不用多说了把，这条命令就是按文件大小进行反向排序
• uniq -d | xargs -I{} -n1 find -type f -size {}c -print0 表示只打印了重复的行，这里使用代表打印出文件名相同的文件
• uniq -w32 –all-repeated=separate 最后这里表示对MD5的前32个字节进行对比，以筛选出重复文件

使用命令行的整个过程就是这么简单和容易。

find -name *.mp3 -printf "%s\n" |sort -rn| uniq -d | xargs -I{} -n1 find -type f -size {}c -print0 | xargs -0 md5sum | sort | uniq -w32 --all-repeated=separate

fdupes：Linux 中查找并删除重复文件的命令行工具

fdupes是Linux下的一个工具，它由Adrian Lopez用C编程语言编写并基于MIT许可证发行，该应用程序可以在指定的目录及子目录中查找重复的文件。fdupes通过对比文件的MD5签名，以及逐字节比较文件来识别重复内容，fdupes有各种选项，可以实现对文件的列出、删除、替换为文件副本的硬链接等操作。

文件对比以下列顺序开始：

大小对比 > 部分 MD5 签名对比 > 完整 MD5 签名对比 > 逐字节对比

fdupes命令如何使用

1、 作为演示的目的，让我们来在某个目录（比如 tecmint）下创建一些重复文件，命令如下：

1. $ mkdir /home/"$USER"/Desktop/tecmint && cd /home/"$USER"/Desktop/tecmint && for i in {1..15}; do echo "I Love Tecmint. Tecmint is a very nice community of Linux Users." > tecmint${i}.txt ; done

在执行以上命令后，让我们使用ls命令验证重复文件是否创建。

1. $ ls -l
3. total 60
4. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint10.txt
5. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint11.txt
6. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint12.txt
7. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint13.txt
8. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint14.txt
9. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint15.txt
10. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint1.txt
11. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint2.txt
12. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint3.txt
13. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint4.txt
14. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint5.txt
15. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint6.txt
16. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint7.txt
17. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint8.txt
18. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint9.txt

上面的脚本创建了15个文件，名称分别为tecmint1.txt，tecmint2.txt……tecmint15.txt，并且每个文件的数据相同，如

1. "I Love Tecmint. Tecmint is a very nice community of Linux Users."

2、 现在在tecmint文件夹内搜索重复的文件。

1. $ fdupes /home/$USER/Desktop/tecmint
3. /home/tecmint/Desktop/tecmint/tecmint13.txt
4. /home/tecmint/Desktop/tecmint/tecmint8.txt
5. /home/tecmint/Desktop/tecmint/tecmint11.txt
6. /home/tecmint/Desktop/tecmint/tecmint3.txt
7. /home/tecmint/Desktop/tecmint/tecmint4.txt
8. /home/tecmint/Desktop/tecmint/tecmint6.txt
9. /home/tecmint/Desktop/tecmint/tecmint7.txt
10. /home/tecmint/Desktop/tecmint/tecmint9.txt
11. /home/tecmint/Desktop/tecmint/tecmint10.txt
12. /home/tecmint/Desktop/tecmint/tecmint2.txt
13. /home/tecmint/Desktop/tecmint/tecmint5.txt
14. /home/tecmint/Desktop/tecmint/tecmint14.txt
15. /home/tecmint/Desktop/tecmint/tecmint1.txt
16. /home/tecmint/Desktop/tecmint/tecmint15.txt
17. /home/tecmint/Desktop/tecmint/tecmint12.txt

3、 使用-r选项在每个目录包括其子目录中递归搜索重复文件。

它会递归搜索所有文件和文件夹，花一点时间来扫描重复文件，时间的长短取决于文件和文件夹的数量。在此其间，终端中会显示全部过程，像下面这样。

1. $ fdupes -r /home
3. Progress [37780/54747] 69%

4、 使用-S选项来查看某个文件夹内找到的重复文件的大小。

1. $ fdupes -S /home/$USER/Desktop/tecmint
3. 65 bytes each:
4. /home/tecmint/Desktop/tecmint/tecmint13.txt
5. /home/tecmint/Desktop/tecmint/tecmint8.txt
6. /home/tecmint/Desktop/tecmint/tecmint11.txt
7. /home/tecmint/Desktop/tecmint/tecmint3.txt
8. /home/tecmint/Desktop/tecmint/tecmint4.txt
9. /home/tecmint/Desktop/tecmint/tecmint6.txt
10. /home/tecmint/Desktop/tecmint/tecmint7.txt
11. /home/tecmint/Desktop/tecmint/tecmint9.txt
12. /home/tecmint/Desktop/tecmint/tecmint10.txt
13. /home/tecmint/Desktop/tecmint/tecmint2.txt
14. /home/tecmint/Desktop/tecmint/tecmint5.txt
15. /home/tecmint/Desktop/tecmint/tecmint14.txt
16. /home/tecmint/Desktop/tecmint/tecmint1.txt
17. /home/tecmint/Desktop/tecmint/tecmint15.txt
18. /home/tecmint/Desktop/tecmint/tecmint12.txt

5、 你可以同时使用-S和-r选项来查看所有涉及到的目录和子目录中的重复文件的大小，如下：

1. $ fdupes -Sr /home/avi/Desktop/
3. 65 bytes each:
4. /home/tecmint/Desktop/tecmint/tecmint13.txt
5. /home/tecmint/Desktop/tecmint/tecmint8.txt
6. /home/tecmint/Desktop/tecmint/tecmint11.txt
7. /home/tecmint/Desktop/tecmint/tecmint3.txt
8. /home/tecmint/Desktop/tecmint/tecmint4.txt
9. /home/tecmint/Desktop/tecmint/tecmint6.txt
10. /home/tecmint/Desktop/tecmint/tecmint7.txt
11. /home/tecmint/Desktop/tecmint/tecmint9.txt
12. /home/tecmint/Desktop/tecmint/tecmint10.txt
13. /home/tecmint/Desktop/tecmint/tecmint2.txt
14. /home/tecmint/Desktop/tecmint/tecmint5.txt
15. /home/tecmint/Desktop/tecmint/tecmint14.txt
16. /home/tecmint/Desktop/tecmint/tecmint1.txt
17. /home/tecmint/Desktop/tecmint/tecmint15.txt
18. /home/tecmint/Desktop/tecmint/tecmint12.txt
20. 107 bytes each:
21. /home/tecmint/Desktop/resume_files/r-csc.html
22. /home/tecmint/Desktop/resume_files/fc.html

6、 不同于在一个或所有文件夹内递归搜索，你可以选择按要求有选择性地在两个或三个文件夹内进行搜索。不必再提醒你了吧，如有需要，你可以使用-S和/或-r选项。

1. $ fdupes /home/avi/Desktop/ /home/avi/Templates/

7、 要删除重复文件，同时保留一个副本，你可以使用-d选项。使用该选项，你必须额外小心，否则最终结果可能会是文件/数据的丢失。郑重提醒，此操作不可恢复。

1. $ fdupes -d /home/$USER/Desktop/tecmint
3. [1] /home/tecmint/Desktop/tecmint/tecmint13.txt
4. [2] /home/tecmint/Desktop/tecmint/tecmint8.txt
5. [3] /home/tecmint/Desktop/tecmint/tecmint11.txt
6. [4] /home/tecmint/Desktop/tecmint/tecmint3.txt
7. [5] /home/tecmint/Desktop/tecmint/tecmint4.txt
8. [6] /home/tecmint/Desktop/tecmint/tecmint6.txt
9. [7] /home/tecmint/Desktop/tecmint/tecmint7.txt
10. [8] /home/tecmint/Desktop/tecmint/tecmint9.txt
11. [9] /home/tecmint/Desktop/tecmint/tecmint10.txt
12. [10] /home/tecmint/Desktop/tecmint/tecmint2.txt
13. [11] /home/tecmint/Desktop/tecmint/tecmint5.txt
14. [12] /home/tecmint/Desktop/tecmint/tecmint14.txt
15. [13] /home/tecmint/Desktop/tecmint/tecmint1.txt
16. [14] /home/tecmint/Desktop/tecmint/tecmint15.txt
17. [15] /home/tecmint/Desktop/tecmint/tecmint12.txt
19. Set 1 of 1, preserve files [1 - 15, all]:

你可能注意到了，所有重复的文件被列了出来，并给出删除提示，一个一个来，或者指定范围，或者一次性全部删除。你可以选择一个范围，就像下面这样，来删除指定范围内的文件。

1. Set 1 of 1, preserve files [1 - 15, all]: 2-15
3. [-] /home/tecmint/Desktop/tecmint/tecmint13.txt
4. [+] /home/tecmint/Desktop/tecmint/tecmint8.txt
5. [-] /home/tecmint/Desktop/tecmint/tecmint11.txt
6. [-] /home/tecmint/Desktop/tecmint/tecmint3.txt
7. [-] /home/tecmint/Desktop/tecmint/tecmint4.txt
8. [-] /home/tecmint/Desktop/tecmint/tecmint6.txt
9. [-] /home/tecmint/Desktop/tecmint/tecmint7.txt
10. [-] /home/tecmint/Desktop/tecmint/tecmint9.txt
11. [-] /home/tecmint/Desktop/tecmint/tecmint10.txt
12. [-] /home/tecmint/Desktop/tecmint/tecmint2.txt
13. [-] /home/tecmint/Desktop/tecmint/tecmint5.txt
14. [-] /home/tecmint/Desktop/tecmint/tecmint14.txt
15. [-] /home/tecmint/Desktop/tecmint/tecmint1.txt
16. [-] /home/tecmint/Desktop/tecmint/tecmint15.txt
17. [-] /home/tecmint/Desktop/tecmint/tecmint12.txt

8、 从安全角度出发，你可能想要打印fdupes的输出结果到文件中，然后检查文本文件来决定要删除什么文件。这可以降低意外删除文件的风险。你可以这么做：

1. $ fdupes -Sr /home > /home/fdupes.txt

注意：你应该替换/home为你想要的文件夹。同时，如果你想要递归搜索并打印大小，可以使用-r和-S选项。

9、 你可以使用-f选项来忽略每个匹配集中的首个文件。

首先列出该目录中的文件。

1. $ ls -l /home/$USER/Desktop/tecmint
3. total 20
4. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint9 (3rd copy).txt
5. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint9 (4th copy).txt
6. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint9 (another copy).txt
7. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint9 (copy).txt
8. -rw-r--r-- 1 tecmint tecmint 65 Aug 8 11:22 tecmint9.txt

然后，忽略掉每个匹配集中的首个文件。

1. $ fdupes -f /home/$USER/Desktop/tecmint
3. /home/tecmint/Desktop/tecmint9 (copy).txt
4. /home/tecmint/Desktop/tecmint9 (3rd copy).txt
5. /home/tecmint/Desktop/tecmint9 (another copy).txt
6. /home/tecmint/Desktop/tecmint9 (4th copy).txt

dupeGuru图形工具查找并移除重复文件

对我们来说，磁盘被装满是棘手问题之一。无论我们如何小心谨慎，我们总可能将相同的文件复制到多个不同的地方，或者在不知情的情况下，重复下载了同一个文件。因此，迟早你会看到“磁盘已满”的错误提示，若此时我们确实需要一些磁盘空间来存储重要数据，以上情形无疑是最糟糕的。假如你确信自己的系统中有重复文件，那么 dupeGuru 可能会帮助到你。
dupeGuru 团队也开发了名为 dupeGuru 音乐版 的应用来移除重复的音乐文件，和名为 dupeGuru 图片版 的应用来移除重复的图片文件。
1. dupeGuru (标准版)

需要告诉那些不熟悉 dupeGuru的人，它是一个免费、开源、跨平台的应用，其用途是在系统中查找和移除重复文件。它可以在 Linux, Windows, 和 Mac OS X 等平台下使用。通过使用一个快速的模糊匹配算法，它可以在几分钟内找到重复文件。同时，你还可以调整 dupeGuru 使它去精确查找特定文件类型的重复文件，以及从你想删除的文件中，清除某种文件。它支持英语、 法语、 德语、 中文 （简体）、 捷克语、 意大利语、亚美尼亚语、俄语、乌克兰语、巴西语和越南语。
在 Ubuntu 14.10/14.04/13.10/13.04/12.04 中安装 dupeGuru

dupeGuru 开发者已经构建了一个 Ubuntu PPA (Personal Package Archives)来简化安装过程。想要安装 dupeGuru，依次在终端中键入以下命令：

代码如下:

sudo apt-add-repository ppa:hsoft/ppa
sudo apt-get update
sudo apt-get install dupeguru-se