每个文件只保留一个版本 (bash)答案

【问题标题】：Keep only one version of each file (bash)每个文件只保留一个版本 (bash)
【发布时间】：2012-09-11 16:12:06
【问题描述】：

我想删除文件夹中的多余文件。类似的东西

cat_1.jpg
cat_2.jpg
cat_3.jpg
dog_10.jpg
dog_100.jpg

减少到

cat_3.jpg
dog_100.jpg

即只取每个文件的版本号后缀最高的，其余的删除。

这很像

list the files with minimum sequence

但是那里的 bash 答案有一个“for ... in ...”。我有数千个文件名。

编辑：

文件名约定错误。可能还有其他下划线（例如 cat_and_dog_100.jpg）。我需要它只取最后一个下划线之后的数字。

【问题讨论】：

我会使用 Perl 脚本，避开 bash。可以改用 Python 或 Ruby。需要注意确保删除 fish_90.jpg 并保留 fish_103.jpg。
以后，请考虑使用适当的版本控制软件，而不是编号的文件名。
文件名是否可预测，即总是<name>_<numbers>.jpg？
这些文件名不是我制作的。他们来自制作网站的副本。是的，它们是可预测的：名称和数字之间只有一个下划线，其他任何地方都没有。

标签： bash

【解决方案1】：

假设您的文件名始终采用<name>_<numbers>.jpg 的形式，这里有一个快速破解：

while read filename; do
    prefix=${filename/%_*/}  # Get text before underscore
    if [ "$prev_prefix" != "$prefix" ]; then  # we see a new prefix
        echo "Keeping filename"
        prev_prefix=$prefix
    else  # same prefix
        echo "Deleting $filename"
        rm $filename
    fi
done < <(find . -maxdepth 1 -name "*.jpg"| sort -n -t'_' -k1,2)

这是如何工作的：

首先按<name>，然后按<numbers> 对所有*.jpg 文件进行排序。
- 所有具有相同前缀的文件将被分组在一起，最高的<number>首先出现
遍历文件名列表并删除文件，除非找到新的<name>（应该是<number> 最高的那个）

请注意，使用find 代替ls *.jpg，这样我们可以更好地处理大量文件。

免责声明：这是处理文件和版本控制的一种相当脆弱的方式，不应作为长期解决方案采用。请注意发布在该问题上的 cmets。

【讨论】：