基于Python制作一個(gè)文件去重小工具
前言
常常在下載網(wǎng)絡(luò)素材時(shí)有很多的重復(fù)文件亂七八糟的,于是想實(shí)現(xiàn)一個(gè)去重的操作。
主要實(shí)現(xiàn)思路就是遍歷出某個(gè)文件夾包括其子文件夾下面的所有文件,最后,將所有文件通過(guò)MD5函數(shù)的對(duì)比篩選出來(lái),最后將重復(fù)的文件移除。
實(shí)現(xiàn)步驟
用到的第三方庫(kù)都比較的常見(jiàn),其中只有hashlib是用來(lái)對(duì)比文件的不是很常見(jiàn)。其他的都是一些比較常見(jiàn)的第三方庫(kù)用來(lái)做輔助操作。
import os # 應(yīng)用文件操作 import hashlib # 文件對(duì)比操作 import logging # 日志函數(shù)操作 import sys # 系統(tǒng)應(yīng)用操作
日志的設(shè)置基本都是這一套的范式,按照規(guī)則設(shè)置好日志打印的相關(guān)信息。
logger = logging.getLogger('系統(tǒng)文件去重') logging.basicConfig(format='%(asctime)s %(levelname)-8s: %(message)s') logger.setLevel(logging.DEBUG)
文件去重的實(shí)現(xiàn)邏輯代碼塊如下:
diretory = input('請(qǐng)輸入需要整理的文件目錄: \n') # 去重的文件夾路徑 if os.path.isdir(diretory): logger.info('當(dāng)前目錄[' + diretory + ']校驗(yàn)成功!') md5s = [] for file_path, dir_names, file_names in os.walk(r'' + diretory): for file_name in file_names: try: file_name_path = os.path.join(file_path, file_name) logger.info('當(dāng)前比對(duì)路徑: '+ file_name_path) md5 = hashlib.md5() file = open(file_name_path, "rb") md5.update(file.read()) file.close() md5_value = md5.hexdigest() if md5_value in md5s: os.remove(file_name_path) logger.info('[' + file_name_path + ']出現(xiàn)重復(fù)已經(jīng)移除!') else: md5s.append(md5_value) except: logger.error('[' + file_name_path + ']對(duì)比發(fā)生異常,執(zhí)行下一個(gè)!') else: logger.error('輸入的文件夾或者目錄不存在!')
以上就是文件去重的整個(gè)實(shí)現(xiàn)過(guò)程,用來(lái)做一個(gè)清理電腦文件的小工具還是比較實(shí)用的。
補(bǔ)充
本文中主要是利用hashlib.md5()函數(shù)實(shí)現(xiàn)的,下面小編為大家重點(diǎn)介紹一下hashlib.md5()
Python的hashlib提供了常見(jiàn)的摘要算法,如MD5,SHA1等等。
什么是摘要算法呢?
摘要算法又稱(chēng)哈希算法、散列算法。它通過(guò)一個(gè)函數(shù),把任意長(zhǎng)度的數(shù)據(jù)轉(zhuǎn)換為一個(gè)長(zhǎng)度固定的數(shù)據(jù)串(通常用16進(jìn)制的字符串表示)。 舉個(gè)例子,你寫(xiě)了一篇文章,內(nèi)容是一個(gè)字符串'how to use python hashlib - by Michael',并附上這篇文章的摘要是'2d73d4f15c0db7f5ecb321b6a65e5d6d'。如果有人篡改了你的文章,并發(fā)表為'how to use python hashlib - by Bob',你可以一下子指出Bob篡改了你的文章,因?yàn)楦鶕?jù)'how to use python hashlib - by Bob'計(jì)算出的摘要不同于原始文章的摘要。
可見(jiàn),摘要算法就是通過(guò)摘要函數(shù)f()對(duì)任意長(zhǎng)度的數(shù)據(jù)data計(jì)算出固定長(zhǎng)度的摘要digest,目的是為了發(fā)現(xiàn)原始數(shù)據(jù)是否被人篡改過(guò)。
摘要算法之所以能指出數(shù)據(jù)是否被篡改過(guò),就是因?yàn)檎瘮?shù)是一個(gè)單向函數(shù),計(jì)算f(data)很容易,但通過(guò)digest反推data卻非常困難。而且,對(duì)原始數(shù)據(jù)做一個(gè)bit的修改,都會(huì)導(dǎo)致計(jì)算出的摘要完全不同。
當(dāng)然,hashlib.md5()除了可以用來(lái)給文件去重,還能做到密碼加密,下面是示例代碼
#!/usr/bin/env python #-*- coding:utf-8 -*- """ 功能: 登錄驗(yàn)證模塊 詳細(xì)說(shuō)明: 1.密碼文件為passwd 2.passwd未創(chuàng)建或丟失,會(huì)提示:密碼文件不存在,建議重新注冊(cè)!! 3.未注冊(cè)用戶(hù)登錄會(huì)提示:用戶(hù)名不存在,請(qǐng)您先進(jìn)行注冊(cè)! 4.已注冊(cè)用戶(hù)登錄時(shí),忘記密碼,嘗試3次后密碼還不正確則退出驗(yàn)證,等一會(huì)兒則可以重新登錄 5.作為裝飾器進(jìn)行登錄驗(yàn)證 """ import json import hashlib import os pwd = os.getcwd() fileName = os.path.join(pwd,"passwd") #將明文密碼通過(guò)md5進(jìn)行加密,返回一個(gè)加密后的md5的值 def calc_md5(passwd): md5 = hashlib.md5("haliluya") md5.update(passwd) ret = md5.hexdigest() return ret #新用戶(hù)注冊(cè)模塊 def register(): #判斷密碼文件passwd是否存在,存在則載入列表,不存在就重新創(chuàng)建一個(gè)空字典 if os.path.exists(fileName): #載入用戶(hù)列表,數(shù)據(jù)結(jié)構(gòu)為字典,k=userName,v=passwdMd5 with open("passwd", "r+") as loadsFn: userDB = json.loads(loadsFn.read()) else: userDB = {} #讓用戶(hù)輸入用戶(hù)名 userName = raw_input("姓名:") #標(biāo)志位:控制循環(huán)跳出 flag = True while flag: #用戶(hù)注冊(cè)時(shí),需輸入兩次密碼 passwd1 = raw_input("密碼:") passwd2 = raw_input("確認(rèn)密碼:") #如果兩次密碼不一致,則不執(zhí)行下一步,再次輸入密碼并進(jìn)行確認(rèn) if not passwd1 == passwd2: continue else: #兩次輸入密碼一致,標(biāo)志位置為False,下次跳出循環(huán) flag = False #調(diào)用calc_md5函數(shù)將明文密碼轉(zhuǎn)為對(duì)應(yīng)的md5值,用于保存 passwdMd5 = calc_md5(passwd1) #將用戶(hù)名與密碼對(duì)應(yīng)存入字典userDB中 userDB[userName] = passwdMd5 #將用戶(hù)名和密碼存入文件 with open(fileName, "w") as dumpFn: dumpFn.write(json.dumps(userDB)) #用戶(hù)登錄驗(yàn)證,裝飾器 def login(func): def decorater(*args,**kwargs): #判斷passwd文件是否存在,存在則載入userDB(用戶(hù):密碼),否則就重新注冊(cè)新的passwd文件并返回 if os.path.exists(fileName): with open("passwd", "r+") as loadsFn: userDB = json.loads(loadsFn.read()) else: print "密碼文件不存在,建議重新注冊(cè)?。? register() return name = raw_input("用戶(hù)名:") #用戶(hù)名是否存在,存在就繼續(xù)輸入密碼,不存在則進(jìn)行注冊(cè) if name in userDB.keys(): flag = True counter = 0 #循環(huán)輸入密碼,密碼正確,flag=False(下次直接跳出循環(huán))并執(zhí)行函數(shù),密碼錯(cuò)誤則允許嘗試3次,超過(guò)3次驗(yàn)證失敗,退出驗(yàn)證 while flag: passwd = raw_input("密碼:") passwdMd5 = calc_md5(passwd) if passwdMd5 == userDB[name]: flag = False func(*args,**kwargs) elif counter > 2: print "您已經(jīng)嘗試了3次,請(qǐng)過(guò)會(huì)兒再試??!" return else: counter += 1 else: print "用戶(hù)名不存在,請(qǐng)您先進(jìn)行注冊(cè)!" register() return decorater if __name__ == "__main__": @login def hello(): print "Hello world!" hello()
到此這篇關(guān)于基于Python制作一個(gè)文件去重小工具的文章就介紹到這了,更多相關(guān)Python文件去重內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python多線程實(shí)現(xiàn)模擬火車(chē)站售票
這篇文章主要為大家詳細(xì)介紹了Python多線程實(shí)現(xiàn)模擬火車(chē)站售票,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-08-08python RabbitMQ 使用詳細(xì)介紹(小結(jié))
這篇文章主要介紹了python RabbitMQ 使用詳細(xì)介紹(小結(jié)),詳細(xì)的介紹了RabbitMQ的概念以及使用,對(duì)學(xué)習(xí)RabbitMQ有一定的幫助,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2018-11-11Django框架創(chuàng)建項(xiàng)目的方法入門(mén)教程
這篇文章主要介紹了Django框架創(chuàng)建項(xiàng)目的方法,結(jié)合實(shí)例形式分析了Django框架管理工具的使用及創(chuàng)建項(xiàng)目的相關(guān)操作技巧,需要的朋友可以參考下2019-11-11python 把數(shù)據(jù) json格式輸出的實(shí)例代碼
下面小編就為大家?guī)?lái)一篇python 把數(shù)據(jù) json格式輸出的實(shí)例代碼。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2016-10-10