目录

• 前言
• 工作原理
• 代码

前言

工作中偶尔会遇到文件去重的事情，收到一大堆文件，名称各不相同，分析文件的时候发现有不少重复的文件，导致工作效率低下，那么，这里就写了一个python脚本实现文件去重功能

工作原理

脚本会检查你给出的文件路径下的所有文件，然后计算每个文件的MD5值，并将其加入到一个列表中。

• 如果某文件的MD5值不在列表中，就认定其是我们需要的文件，脚本会在桌面新建一个名为“去重结果”的文件夹，并将其复制到里面去。
• 如果某文件的MD5值在列表中，就认定其不是我们需要的文件，不对其做任何处理。
• 代码可以直接运行，无需做任何修改（除了安装可能缺少的库文件）

代码

import os
import shutil
import hashlib


# 对文件去重
# 计算每个文件的md5值，据此进行去重
def only_one(test_path):
    md5_list = []
    count = 0
    for current_folder, list_folders, files in os.walk(test_path):
        for file in files:
            file_path = current_folder + '\\' + file  # 获取每个文件的路径
            f = open(file_path, 'rb')  # 开始计算每个文件的md5值
            md5obj = hashlib.md5()
            md5obj.update(f.read())
            get_hash = md5obj.hexdigest()
            f.close()
            md5_value = str(get_hash).upper()
            # 开始去重
            if md5_value in md5_list:  # 如果这个文件的md5值曾经出现过，就不对它做任何处理
                count += 1
                print('\033[31m[-] 发现重复文件：\033[0m' + str(file))
            else:
                md5_list.append(md5_value)  # 如果这个文件的md5值不存在列表中，就添加进列表中
                shutil.copy(file_path, path1)
    print('\033[31m[-] 共发现重复文件：{}个\033[0m'.format(count))


if __name__ == '__main__':
    print('\033[4;33m[+] 此脚本会检查指定路径下的所有文件，通过计算文件的MD5值进行去重\033[0m')
    print('\033[4;33m[+] 去重后的文件会复制到桌面新文件夹中，源文件不会丢失\033[0m')
    path = input('\033[34m[+] 请输入文件夹地址：\033[0m')
    os.chdir(path)

    # path1 用来存放所有的去重结果
    desktop_path = os.path.join(os.path.expanduser("~"), 'Desktop')  # 获取桌面路径
    path1 = os.path.join(desktop_path, '去重结果')
    os.makedirs(path1)

    only_one(path)
    print('\033[32m[-] 现有非重复文件共计：{}个\033[0m'.format(len(os.listdir(path1))))

到此这篇关于python实现MD5进行文件去重的示例代码的文章就介绍到这了,更多相关python MD5文件去重内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

【文章转自:香港站群服务器 复制请保留原URL】