在Linux机器上,我希望遍历一个文件夹层次结构,并获得其中所有不同文件扩展名的列表。

从外壳中实现这一点的最佳方法是什么?


当前回答

加入我自己的变化。我认为这是最简单的,当效率不是一个大问题的时候,它是有用的。

find . -type f | grep -oE '\.(\w+)$' | sort -u

其他回答

我发现它简单快捷……

   # find . -type f -exec basename {} \; | awk -F"." '{print $NF}' > /tmp/outfile.txt
   # cat /tmp/outfile.txt | sort | uniq -c| sort -n > tmp/outfile_sorted.txt

试试这个(不确定是不是最好的方法,但确实有效):

find . -type f | perl -ne 'print $1 if m/\.([^.\/]+)$/' | sort -u

它的工作原理如下:

找到当前文件夹中的所有文件 打印文件扩展名(如果有的话) 制作一个唯一的排序列表

在Python中,为非常大的目录使用生成器,包括空白扩展名,并获取每个扩展名出现的次数:

import json
import collections
import itertools
import os

root = '/home/andres'
files = itertools.chain.from_iterable((
    files for _,_,files in os.walk(root)
    ))
counter = collections.Counter(
    (os.path.splitext(file_)[1] for file_ in files)
)
print json.dumps(counter, indent=2)

我试了很多答案,甚至是“最好的”答案。他们都没有达到我的要求。所以除了过去12个小时坐在多个程序的正则表达式代码中,阅读和测试这些答案之外,这就是我想出的工作方式,完全像我想要的那样。

 find . -type f -name "*.*" | grep -o -E "\.[^\.]+$" | grep -o -E "[[:alpha:]]{2,16}" | awk '{print tolower($0)}' | sort -u

查找可能具有扩展名的所有文件。 Greps只有扩展 2到16个字符之间的文件扩展名(如果它们不符合您的需要,只需调整数字)。这有助于避免缓存文件和系统文件(系统文件位是搜索jail)。 Awk以小写打印扩展名。 排序并只带来唯一的值。最初,我试图尝试awk的答案,但它会双打印项目,不同的大小写敏感性。

如果你需要文件扩展名的计数,那么使用下面的代码

find . -type f -name "*.*" | grep -o -E "\.[^\.]+$" | grep -o -E "[[:alpha:]]{2,16}" | awk '{print tolower($0)}' | sort | uniq -c | sort -rn

虽然这些方法需要一些时间才能完成,而且可能不是解决问题的最佳方法,但它们是有效的。

更新: 每个@alpha_989长的文件扩展名将导致一个问题。这是由于原始正则表达式“[[:alpha:]]{3,6}”。我已经更新了答案,包括正则表达式“[[:alpha:]]{2,16}”。然而,任何使用这段代码的人都应该知道,这些数字是最终输出所允许的扩展长度的最小值和最大值。任何超出这个范围的内容都将在输出中被分割成多行。

注:原来的帖子读的是“-文件扩展名在3到6个字符之间的Greps(如果它们不适合你的需要,只需调整数字)。这有助于避免缓存文件和系统文件(系统文件位是搜索监狱)。

想法:可以通过以下方式来查找特定长度的文件扩展名:

 find . -type f -name "*.*" | grep -o -E "\.[^\.]+$" | grep -o -E "[[:alpha:]]{4,}" | awk '{print tolower($0)}' | sort -u

其中4是要包含的文件扩展名长度,然后还查找超出该长度的任何扩展名。

因为已经有了另一个使用Perl的解决方案:

如果你安装了Python,你还可以这样做(从shell):

python -c "import os;e=set();[[e.add(os.path.splitext(f)[-1]) for f in fn]for _,_,fn in os.walk('/home')];print '\n'.join(e)"