python刪除本地夾里重復文件的方法

更新時間：2020年11月19日 16:13:49 作者：許西城

這篇文章主要為大家詳細介紹了python刪除本地夾里重復文件的方法，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

上次的博文主要說了從網(wǎng)上下載圖片，于是我把整個笑話網(wǎng)站的圖片都拔下來了，但是在拔取的圖片中有很多重復的，比如說頁面的其他圖片、重復發(fā)布的圖片等等。所以我又找了python的一些方法，寫了一個腳本可以刪除指定文件夾里重復的圖片。

一、方法和思路

1.比對文件是否相同的方法：hashlib庫里提供了獲取文件md5值的方法，所以我們可以通過md5值來判定是否圖片相同

2.對文件的操作：os庫里有對文件的操作方法，比如：os.remove（）可以刪除指定的文件， os.listdir()可以通過指定文件夾路徑獲取文件夾里所有文件的文件名

思路：通過獲取指定文件夾的所有文件名，然后匹配為一個絕對路徑的列表，循環(huán)的比對每個文件的md5值，如果md5值重復，則刪除這個文件

二、代碼實現(xiàn)

import os 
import hashlib 
import logging 
import sys 
 
def logger(): 
 """ 獲取logger""" 
 logger = logging.getLogger() 
 if not logger.handlers: 
 # 指定logger輸出格式 
 formatter = logging.Formatter('%(asctime)s %(levelname)-8s: %(message)s') 
 # 文件日志 
 file_handler = logging.FileHandler("test.log") 
 file_handler.setFormatter(formatter) # 可以通過setFormatter指定輸出格式 
 # 控制臺日志 
 console_handler = logging.StreamHandler(sys.stdout) 
 console_handler.formatter = formatter # 也可以直接給formatter賦值 
 # 為logger添加的日志處理器 
 logger.addHandler(file_handler) 
 logger.addHandler(console_handler) 
 # 指定日志的最低輸出級別，默認為WARN級別 
 logger.setLevel(logging.INFO) 
 return logger 
 
def get_md5(filename): 
 m = hashlib.md5() 
 mfile = open(filename, "rb") 
 m.update(mfile.read()) 
 mfile.close() 
 md5_value = m.hexdigest() 
 return md5_value 
 
def get_urllist(): 
 #替換指定的文件夾路徑即可 
 base = ("F:\\pythonFile\\煎蛋網(wǎng)\\無聊圖\\jpg\\") 
 list = os.listdir(base) 
 urlList=[] 
 for i in list: 
 url = base + i 
 urlList.append(url) 
 return urlList 
 
if __name__ == '__main__': 
 log = logger() 
 md5List =[] 
 urlList =get_urllist() 
 for a in urlList: 
 md5 =get_md5(a) 
 if (md5 in md5List): 
  os.remove(a) 
  print("重復：%s"%a) 
  log.info("重復：%s"%a) 
 else: 
  md5List.append(md5) 
  # print(md5List) 
  print("一共%s張照片"%len(md5List))

然后我們可以通過日志來查看到底哪些文件是重復的，不過對于一些超大文件的話，md5值的獲取會有一些變化，不過處理一般的小文件都可以的，只需要替換我的路徑，就可以在你電腦上運行啦。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: