python实现自动清理重复文件

前言

大家好，又到了Python办公自动化系列。

今天分享一个系统层面的自动化案例：

「给定一个文件夹，使用Python检查给定文件夹下有无文件重复，若存在重复则删除」

主要涉及的知识点有：

• os模块综合应用
• glob模块综合应用
• 利用filecmp模块比较两个文件
  

步骤分析

该程序实现的逻辑可以具化为：

遍历获取给定文件夹下的所有文件，然后通过嵌套循环两两比较文件是否相同，如果相同则删除后者。

实现问题的关键就变成了?

如何判断两个文件是否相同？

在这里我们可以使用filecmp模块，来看看官方的介绍文档：

• filecmp.cmp(f1, f2, shallow=True)
• 比较名为f1和f2的文件，如果它们似乎相等则返回True，否则返回False
• 如果shallow为真，那么具有相同os.stat()签名的文件将会被认为是相等的。否则，将比较文件的内容。
  

所以可以这样使用?

# 假设x和y两个文件是相同的
print(filecmp.cmp(x, y))
# True

解决了这个问题，我们就可以开始写代码了！

Python实现

导入需要的库并设置目标文件夹路径

import os
import glob
import filecmp

dir_path = r'C:\\xxxx'

接着遍历获取所有文件的绝对路径，我们可以利用glob模块的通配符结合recursive参数即可完成，框架如下：

for file in glob.glob(path + '/**/*', recursive=True):
  pass

由于遍历获取每一个文件或者文件夹后，需要判断是否是文件，如果是文件则可能将绝对路径存放到列表中，这里需要再完成两个事情：

1. 首先创建一个空列表，后面用list.append(i)添加文件路径
2. 接着利用os.path.isfile(i)判断是否是文件，返回True则执行添加元素的操作
   

具体代码如下

file_lst = []

for i in glob.glob(dir_path + '/**/*', recursive=True):
  if os.path.isfile(i):
    file_lst.append(i)

上一步我们获取了目标文件夹下的所有文件路径，接下来就可以嵌套遍历这个路径列表，其中filecmp.cmp进行文件判断，os.remove进行文件删除

for x in file_lst:
  for y in file_lst:
    if x != y:
      if filecmp.cmp(x, y):
        os.remove(y)

这里的代码已经实现了大致逻辑，但有一个细节需要考虑到：有可能循环到文件已经被前面的判断删除了，导致os.remove(file)由于文件不存在而报错

因此，可以用os.path.exists对文件存在进行判断，如下所示：

for x in file_lst:
  for y in file_lst:
    if x != y and os.path.exists(x) and os.path.exists(y):
      if filecmp.cmp(x, y):
        os.remove(y)

这样，一个简易的文件去重小程序就完成了，完整代码如下：

import os
import glob
import filecmp

dir_path = r'C:\xxxx'

file_lst = []

for i in glob.glob(dir_path + '/**/*', recursive=True):
  if os.path.isfile(i):
    file_lst.append(i)

for x in file_lst:
  for y in file_lst:
    if x != y and os.path.exists(x) and os.path.exists(y):
      if filecmp.cmp(x, y):
        os.remove(y)

写在最后

通过本文的Python自动化脚本制作过程，我们可以再次体会Python办公自动化的强大，同时本次实现的功能可以和之前自动整理文件的脚本结合使用！

以上就是python实现自动清理重复文件的详细内容，更多关于python清理重复文件的资料请关注脚本之家其它相关文章！