python删除本地夹里重复文件的方法-6ren

python删除本地夹里重复文件的方法

转载作者：qq735679552 更新时间：2022-09-27 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章python删除本地夹里重复文件的方法由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

上次的博文主要说了从网上下载图片，于是我把整个笑话网站的图片都拔下来了，但是在拔取的图片中有很多重复的，比如说页面的其他图片、重复发布的图片等等。所以我又找了python的一些方法，写了一个脚本可以删除指定文件夹里重复的图片.

1、方法和思路。

1.比对文件是否相同的方法：hashlib库里提供了获取文件md5值的方法，所以我们可以通过md5值来判定是否图片相同。

2.对文件的操作：os库里有对文件的操作方法，比如：os.remove（）可以删除指定的文件， os.listdir()可以通过指定文件夹路径获取文件夹里所有文件的文件名。

思路：通过获取指定文件夹的所有文件名，然后匹配为一个绝对路径的列表，循环的比对每个文件的md5值，如果md5值重复，则删除这个文件。

2、代码实现。

 
    ? 
   
         import 
         os  
        
         import 
         hashlib  
        
         import 
         logging  
        
         import 
         sys  
        
         def 
         logger():  
        
         """ 获取logger""" 
        
         logger  
         = 
         logging.getLogger()  
        
         if 
         not 
         logger.handlers:  
        
         # 指定logger输出格式  
        
         formatter  
         = 
         logging.Formatter( 
         '%(asctime)s %(levelname)-8s: %(message)s' 
         )  
        
         # 文件日志  
        
         file_handler  
         = 
         logging.FileHandler( 
         "test.log" 
         )  
        
         file_handler.setFormatter(formatter)  
         # 可以通过setFormatter指定输出格式  
        
         # 控制台日志  
        
         console_handler  
         = 
         logging.StreamHandler(sys.stdout)  
        
         console_handler.formatter  
         = 
         formatter  
         # 也可以直接给formatter赋值  
        
         # 为logger添加的日志处理器  
        
         logger.addHandler(file_handler)  
        
         logger.addHandler(console_handler)  
        
         # 指定日志的最低输出级别，默认为WARN级别  
        
         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():  
        
         #替换指定的文件夹路径即可  
        
         base  
         = 
         ( 
         "F:\\pythonFile\\煎蛋网\\无聊图\\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 
         ( 
         "重复：%s" 
         % 
         a)  
        
         log.info( 
         "重复：%s" 
         % 
         a)  
        
         else 
         :  
        
         md5List.append(md5)  
        
         # print(md5List)  
        
         print 
         ( 
         "一共%s张照片" 
         % 
         len 
         (md5List))

然后我们可以通过日志来查看到底哪些文件是重复的，不过对于一些超大文件的话，md5值的获取会有一些变化，不过处理一般的小文件都可以的，只需要替换我的路径，就可以在你电脑上运行啦.

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://blog.csdn.net/CCGGAAG/article/details/72877076 。

最后此篇关于python删除本地夹里重复文件的方法的文章就讲到这里了,如果你想了解更多关于python删除本地夹里重复文件的方法的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐： python破解zip加密文件的方法

文章推荐： powershell玩转SQL SERVER所有版本的方法

文章推荐： Python处理命令行参数模块optpars用法实例分析

文章推荐： powershell玩转sqlite数据库详细介绍

python - Python 中的集群或合并集群以减少组数 (Python)
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库，但没有成功。我猜它只是通过 knn 聚类
python - python 列表的子集基于同一列表的元素组，pythonically
我有一个扁平数字列表，这些数字逻辑上以 3 为一组，其中每个三元组是 (number, __ignored, flag[0 or 1])，例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
python - 激活 Python 虚拟环境并在另一个 Python 脚本中调用 Python 脚本
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
python - 在焕然一新的 Python 环境中以编程方式从 Python 内部执行 Python 文件
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
python - 从 python 脚本但在 python 脚本之外运行 python 脚本
这听起来像是谜语或笑话，但实际上我还没有找到这个问题的答案。问题到底是什么？我想运行 2 个脚本。在第一个脚本中，我调用另一个脚本，但我希望它们继续并行，而不是在两个单独的线程中。主要是我不希望第
python - 使用不同的 python 从 python 运行 python 脚本
我有一个带有 python 2.5.5 的软件。我想发送一个命令，该命令将在 python 2.7.5 中启动一个脚本，然后继续执行该脚本。我试过用 #!python2.7.5 和http://re
python - 为什么从 Python 命令行调用 Python 时 Python 无法找到并运行我的脚本？
我在 python 命令行(使用 python 2.7)中，并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹，使用: os.chdir("
python - 使用动态版本的 Python 执行嵌入的 Python 代码时出现致命的 Python 错误
剧透:部分解决(见最后)。以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
python - python 中识别 python 数组或列表中最大累积差异的最快方法是什么？
假设我有以下列表，对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
python - (Python) 通过单选按钮 python 更新背景
所以我试图在选择某个单选按钮时更改此框架的背景。我的框架位于一个类中，并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
python - python 中的字符串与正则表达式比较在 python 中失败
我正在尝试将字符串与 python 中的正则表达式进行比较，如下所示， #!/usr/bin/env python3 import re str1 = "Expecting property name
python - python 如何加载Boost.Python 库？
考虑以下原型(prototype) Boost.Python 模块，该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
python - python 检查模块 python 的问题
如何编写一个程序来“识别函数调用的行号？” python 检查模块提供了定位行号的选项，但是， def di(): return inspect.currentframe().f_back.f_l
python - 系统 python 与用户 python
我已经使用 macports 安装了 Python 2.7，并且由于我的 $PATH 变量，这就是我输入 $ python 时得到的变量。然而，virtualenv 默认使用 Python 2.6，除
python - [Python] : Python re. 长字符串行的搜索速度优化
我只想问如何加快 python 上的 re.search 速度。我有一个很长的字符串行，长度为 176861(即带有一些符号的字母数字字符)，我使用此函数测试了该行以进行研究: def getExe
python - 编辑字符串 python 正则表达式 python
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
python - Python 映射中的副作用(Python "do" block )
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。告
python - 使用其值逻辑组合两个 python 列表 - Python
我想用 Python 将两个列表组合成一个列表，方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
python - Boost.Python python 链接错误
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
python - 在 Python 中仅使用内置库制作一个基本的网络抓取工具 - Python
学习 Python，我正在尝试制作一个没有任何第 3 方库的网络抓取工具，这样过程对我来说并没有简化，而且我知道我在做什么。我浏览了一些在线资源，但所有这些都让我对某些事情感到困惑。 html 看起来

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

python删除本地夹里重复文件的方法