python删除本地夹里重复文件的方法


Posted in Python onNovember 19, 2020

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。

一、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

二、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三水点靠木。

Python 相关文章推荐
python 查找文件夹下所有文件 实现代码
Jul 01 Python
Python greenlet实现原理和使用示例
Sep 24 Python
Python用threading实现多线程详解
Feb 03 Python
开源Web应用框架Django图文教程
Mar 09 Python
Python编程修改MP3文件名称的方法
Apr 19 Python
详解Python 数据库的Connection、Cursor两大对象
Jun 25 Python
Windows10下 python3.7 安装 facenet的教程
Sep 10 Python
Python如何存储数据到json文件
Mar 09 Python
python3利用Axes3D库画3D模型图
Mar 25 Python
Python将list元素转存为CSV文件的实现
Nov 16 Python
解决python 执行shell命令无法获取返回值的问题
Dec 05 Python
Python LMDB库的使用示例
Feb 14 Python
Python处理命令行参数模块optpars用法实例分析
May 31 #Python
python筛选出两个文件中重复行的方法
May 31 #Python
python删除文本中行数标签的方法
May 31 #Python
Python使用wget实现下载网络文件功能示例
May 31 #Python
Python使用progressbar模块实现的显示进度条功能
May 31 #Python
python调用Matplotlib绘制分布点并且添加标签
May 31 #Python
python批量修改文件编码格式的方法
May 31 #Python
You might like
虹吸壶是谁发明的?煮出来的咖啡好喝吗
2021/03/04 冲泡冲煮
php生成随机颜色的方法
2014/11/13 PHP
Smarty3配置及入门语法
2017/02/22 PHP
详解php协程知识点
2018/09/21 PHP
php设计模式之适配器模式实例分析【星际争霸游戏案例】
2020/04/07 PHP
Extjs TimeField 显示正常时间格式的代码
2011/06/28 Javascript
js关闭子窗体刷新父窗体实现方法
2012/12/04 Javascript
举例说明如何为JavaScript的方法参数设置默认值
2015/11/17 Javascript
jQuery图片旋转插件jQueryRotate.js用法实例(附demo下载)
2016/01/21 Javascript
js 获取经纬度的实现方法
2016/06/20 Javascript
Ionic 2 实现列表滑动删除按钮的方法
2017/01/22 Javascript
AngularJS 霸道的过滤器小结
2017/04/26 Javascript
JavaScript调试之console.log调试的一个小技巧分享
2017/08/07 Javascript
JS中的多态实例详解
2017/10/15 Javascript
深入剖析JavaScript instanceof 运算符
2019/06/14 Javascript
js 根据对象数组中的属性进行排序实现代码
2019/09/12 Javascript
nodeJs项目在阿里云的简单部署
2020/11/27 NodeJs
[43:03]完美世界DOTA2联赛PWL S2 PXG vs Magma 第二场 11.21
2020/11/24 DOTA
使用go和python递归删除.ds store文件的方法
2014/01/22 Python
详解Python中的strftime()方法的使用
2015/05/22 Python
如何使用七牛Python SDK写一个同步脚本及使用教程
2015/08/23 Python
10款最好的Python开发编辑器
2019/07/03 Python
python中wx模块的具体使用方法
2020/05/15 Python
解决keras加入lambda层时shape的问题
2020/06/11 Python
浅谈Django前端后端值传递问题
2020/07/15 Python
Html5嵌入钉钉的实现示例
2020/06/04 HTML / CSS
英国一家专门出售品牌鞋子的网站:Allsole
2016/08/07 全球购物
高中生校园生活自我评价
2013/09/19 职场文书
幼儿园门卫制度
2014/01/29 职场文书
《第一次抱母亲》教学反思
2014/04/16 职场文书
医学专业大学生求职信
2014/07/12 职场文书
食品科学与工程专业毕业生求职信范文
2014/07/21 职场文书
反四风对照检查材料思想汇报
2014/09/16 职场文书
成人成长感言如何写?
2019/08/16 职场文书
读《推着妈妈去旅行》有感1500字
2019/10/15 职场文书
Spring Boot 实现 WebSocket
2022/04/30 Java/Android