快捷導(dǎo)航

python實(shí)現(xiàn)MD5進(jìn)行文件去重的示例代碼

更新時(shí)間：2021年07月09日 11:45:26 作者：lainwith

工作中偶爾會(huì)收到一大堆文件，名稱各不相同，分析文件的時(shí)候發(fā)現(xiàn)有不少重復(fù)的文件，導(dǎo)致工作效率低下，那么，這里就寫了一個(gè)python腳本實(shí)現(xiàn)文件去重功能，感興趣的就一起來了解一下

前言

工作中偶爾會(huì)遇到文件去重的事情，收到一大堆文件，名稱各不相同，分析文件的時(shí)候發(fā)現(xiàn)有不少重復(fù)的文件，導(dǎo)致工作效率低下，那么，這里就寫了一個(gè)python腳本實(shí)現(xiàn)文件去重功能

工作原理

腳本會(huì)檢查你給出的文件路徑下的所有文件，然后計(jì)算每個(gè)文件的MD5值，并將其加入到一個(gè)列表中。

如果某文件的MD5值不在列表中，就認(rèn)定其是我們需要的文件，腳本會(huì)在桌面新建一個(gè)名為“去重結(jié)果”的文件夾，并將其復(fù)制到里面去。
如果某文件的MD5值在列表中，就認(rèn)定其不是我們需要的文件，不對(duì)其做任何處理。
代碼可以直接運(yùn)行，無需做任何修改（除了安裝可能缺少的庫(kù)文件）

代碼

import os
import shutil
import hashlib


# 對(duì)文件去重
# 計(jì)算每個(gè)文件的md5值，據(jù)此進(jìn)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  # 獲取每個(gè)文件的路徑
            f = open(file_path, 'rb')  # 開始計(jì)算每個(gè)文件的md5值
            md5obj = hashlib.md5()
            md5obj.update(f.read())
            get_hash = md5obj.hexdigest()
            f.close()
            md5_value = str(get_hash).upper()
            # 開始去重
            if md5_value in md5_list:  # 如果這個(gè)文件的md5值曾經(jīng)出現(xiàn)過，就不對(duì)它做任何處理
                count += 1
                print('\033[31m[-] 發(fā)現(xiàn)重復(fù)文件：\033[0m' + str(file))
            else:
                md5_list.append(md5_value)  # 如果這個(gè)文件的md5值不存在列表中，就添加進(jìn)列表中
                shutil.copy(file_path, path1)
    print('\033[31m[-] 共發(fā)現(xiàn)重復(fù)文件：{}個(gè)\033[0m'.format(count))


if __name__ == '__main__':
    print('\033[4;33m[+] 此腳本會(huì)檢查指定路徑下的所有文件，通過計(jì)算文件的MD5值進(jìn)行去重\033[0m')
    print('\033[4;33m[+] 去重后的文件會(huì)復(fù)制到桌面新文件夾中，源文件不會(huì)丟失\033[0m')
    path = input('\033[34m[+] 請(qǐng)輸入文件夾地址：\033[0m')
    os.chdir(path)

    # path1 用來存放所有的去重結(jié)果
    desktop_path = os.path.join(os.path.expanduser("~"), 'Desktop')  # 獲取桌面路徑
    path1 = os.path.join(desktop_path, '去重結(jié)果')
    os.makedirs(path1)

    only_one(path)
    print('\033[32m[-] 現(xiàn)有非重復(fù)文件共計(jì)：{}個(gè)\033[0m'.format(len(os.listdir(path1))))

在這里插入圖片描述