通过没有明确扩展名的终端获取目录中的所有html文件

我需要通过终端或MATLAB获取文件夹中的所有.html文件，但问题在于这些.html文件没有.html扩展名明确在文件中。在这种情况下，我也试图捕获.IGF文件，但没有明确的扩展名。通过没有明确扩展名的终端获取目录中的所有html文件

我写了一个脚本，可以在MATLAB中做到这一点，调用unix函数基本上循环文件夹中的所有文件，读取它们并获取它们的扩展名，最后从文件夹中删除它们。

我的代码成功地做到了，但它需要很长时间（大概一个小时）。文件夹中有大约12000个文件，但我正在寻找一些更具时间效率的东西，尽管尺寸很大。我确信终端中有两三行的捷径。

close all; clear all; 

Z=dir('./'); 
file_number=length(Z)-2; 

stats=[]; 
stats2=[]; 

for i=1:file_number 
    file_name=Z(i+2).name; 
    command=['cat ' file_name ' | grep GIF']; 
    stats=~unix(command); 
    command2=['cat ' file_name ' | grep html']; 
    stats2=~unix(command2); 

    if stats==1 || stats2==1 
     command3=['rm ' file_name]; 
     unix(command3); 
    end 

    if rem(i,100)==0 
     disp(i); 
    end 
end

另一个重要的细节：我的文件没有在他们的名字的.html或.gif。我知道他们有这种类型，因为他们的幻数（通过右键单击并查看文件属性）。我的文件名称是“1”，“2”，...，“7”，...“11498”。他们理想的是“1.html”，“2.gif”，“3.jpg”等，但他们不是。

来源

2013-05-11 Arturo

现在你正在寻找包含'html'作为.html文件的文件。那是你想要做的吗？检查MIME类型怎么办？ – Mateusz 2013-05-11 21:35:06

好吧，我得到的魔术棒：

grep -r -l -E "GIF|html" . | xargs rm

的作品就像一个魅力。（仅用了3分钟的电脑）。

来源

2013-05-11 23:16:09 Arturo

也许你可以在一个单一的一个将二者结合起来的grep命令：

grep -E "GIF|html" file_name

此外，关于GIF文件，我认为有可能避免拷贝整个文件，因为实际需要前三个字节。

来源

2013-05-11 21:44:53 user815923

这可能会有帮助，你知道我怎样才能将我的matlab代码完全转换为shell脚本吗？也许这样更快。 – Arturo 2013-05-11 22:21:40

现在，我无法检查它在Linux，但这里是我的代码（对于bash）：

% HTML part 
command=['for f in ./*; do if grep -q "<html>" "$f"; then printf "$f\n" >> html_files; fi; done']; 
stats=~unix(command); 
% GIF part 
command2=['for f in ./*; do first_bytes=$(head -c 3 $f); if [ "$first_bytes" == "GIF" ]; then printf "$f\n" >> gif_files; fi; done']; 
stats2=~unix(command);

对于GIF文件，前3个字节应为 “GIF”。对于html文件，它可能必须包含< html>。这些将创建2个文件（gif_files，html_files），分别包含GIF和HTML文件的所需文件名。所有你需要做的是textscan（或textread）这两个文件来获取文件名。我想这种方法会更快，因为控制停留在bash shell而不是ping到shell并返回到MATLAB 20k +次！

注意！确保gif_files和html_files不存在（或者至少它们是空白的），否则你可能会读取重复的数据。

来源

2013-05-11 23:11:32 rascob

通过没有明确扩展名的终端获取目录中的所有html文件

回答

相关问题