Python中怎么刪除目錄下的相同文件

本篇文章給大家分享的是有關Python中怎么刪除目錄下的相同文件，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

# -*- coding: cp936 -*-  import md5  import os  from time import clock as now  def getmd5(filename):      file_txt = open(filename,'rb').read()      m = md5.new(file_txt)      return m.hexdigest()  def main():      path = raw_input("path: ")      all_md5=[]      total_file=0     total_delete=0     start=now()      for file in os.listdir(path):          total_file += 1;          real_path=os.path.join(path,file)          if os.path.isfile(real_path) == True:              filemd5=getmd5(real_path)              if filemd5 in all_md5:                  total_delete += 1                  print '刪除',file              else:                  all_md5.append(filemd5)      end = now()      time_last = end - start      print '文件總數：',total_file      print '刪除個數：',total_delete      print '耗時：',time_last,'秒'        if __name__=='__main__':       main()

上面的程序原理很簡單，就是依次讀取每個文件，計算md5，如果md5在md5列表不存在，就把這個md5加到md5列表里面去，如果存在的話，我們就認為這個md5對應的文件已經出現過，這個圖片就是多余的，然后我們就可以把這個圖片刪除了。下面是程序的運行截圖：

我們可以看到，在這個文件夾下面有8674個文件，有31個是重復的，找到所有重復文件共耗時155.5秒。效率不算高，能不能進行優化呢？我分析了一下，我的程序里面有兩個功能比較耗時間，一個是計算每個文件的md5，這個占了大部分時間，還有就是在列表中查找md5是否存在，也比較費時間的。從這兩方面入手，我們可以進一步優化。

首先我想的是解決查找問題，或許我們可以對列表中的元素先排一下序，然后再去查找，但是列表是變化的，每次都排序的話效率就比較低了。我想的是利用字典進行優化。字典最顯著的特點是一個key對應一個值我們可以把md5作為key，key對應的值就不需要了，在變化的情況下字典的查找效率比序列效率高，因為序列是無序的，而字典是有序的，查找起來當然更快。這樣我們只要判斷md5值是否在所有的key中就可以了。下面是改進后的代碼：

# -*- coding: cp936 -*-  import md5  import os  from time import clock as now  def getmd5(filename):      file_txt = open(filename,'rb').read()      m = md5.new(file_txt)      return m.hexdigest()  def main():      path = raw_input("path: ")      all_md5={}      total_file=0     total_delete=0     start=now()      for file in os.listdir(path):          total_file += 1;          real_path=os.path.join(path,file)          if os.path.isfile(real_path) == True:              filemd5=getmd5(real_path)              if filemd5 in all_md5.keys():                  total_delete += 1                  print '刪除',file              else:                  all_md5[filemd5]=''      end = now()      time_last = end - start      print '文件總數：',total_file      print '刪除個數：',total_delete      print '耗時：',time_last,'秒'        if __name__=='__main__':       main()

再看看運行截圖

從時間上看，確實比原來快了一點，但是還不理想。下面還要進行優化。還有什么可以優化呢？md5！上面的程序，每個文件都要計算md5，非常費時間，是不是每個文件都需要計算md5呢？能不能想辦法減少md5的計算次數呢？我想到了一種方法：上面分析時我們提到，可以通過比較文件大小的方式來判斷圖片是否完全相同，速度快，但是這種方法是不準確的，md5是準確的，我們能不能把兩者結合一下？答案是肯定的。我們可以認定：如果兩個文件完全相同，那么這兩個文件的大小和md5一定相同，如果兩個文件的大小不同，那么這兩個文件肯定不同！這樣的話，我們只需要先查看文件的大小是否存在在size字典中，如果不存在，就將它加入到size字典中，如果大小存在的話，這說明有至少兩張圖片大小相同，那么我們只要計算文件大小相同的文件的md5，如果md5相同，那么這兩個文件肯定完全一樣，我們可以刪除，如果md5不同，我們把它加到列表里面，避免重復計算md5.具體代碼實現如下：

# -*- coding: cp936 -*-  import md5  import os  from time import clock as now  def getmd5(filename):      file_txt = open(filename,'rb').read()      m = md5.new(file_txt)      return m.hexdigest()  def main():      path = raw_input("path: ")      all_md5 = {}      all_size = {}      total_file=0     total_delete=0     start=now()      for file in os.listdir(path):          total_file += 1          real_path=os.path.join(path,file)          if os.path.isfile(real_path) == True:              size = os.stat(real_path).st_size              name_and_md5=[real_path,'']              if size in all_size.keys():                  new_md5 = getmd5(real_path)                  if all_size[size][1]=='':                      all_size[size][1]=getmd5(all_size[size][0])                  if new_md5 in all_size[size]:                      print '刪除',file                      total_delete += 1                  else:                      all_size[size].append(new_md5)              else:                  all_size[size]=name_and_md5      end = now()      time_last = end - start      print '文件總數：',total_file      print '刪除個數：',total_delete      print '耗時：',time_last,'秒'        if __name__=='__main__':       main()

時間效率怎樣呢？看下圖：

以上就是Python中怎么刪除目錄下的相同文件，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。