文 | 某某白米饭
微信和 QQ 都有一个存放缓存文件的文件夹，微信在设置 --> 文件管理，QQ 在系统设置 --> 基本设置 --> 文件管理 --> 打卡个人文件中找到它，平时大家对这个文件夹关注度不高，这个文件夹慢慢的，偷偷的就占用了好几十个 G 的磁盘空间。下面就用 Python 写个删除重复文件的脚本清理这些空间。
glob 模块
glob 模块非常简单，就是用来查找文件和文件夹。查找文件只用到三个匹配符："*", "?", "[]"。
通配符 功能
- *：匹配0或多个字符
- **：匹配所有文件,目录，子目录和子目录里面的文件
- ?：匹配一个字符,这里与正则表达式? (正则?匹配前面表达式0次或者1次)
- []：匹配指定范围内的字符,如: [1-9]匹配1至9内的字符
- [!]：匹配不在指定范围内的字符
glob方法
这个方法返回所有匹配的文件路径列表
# 当前路径下所有 py 文件
for fname in glob.glob("**/*.py",recursive=True):
print(fname)
# 当前路径文件 py 下 py 文件
for fname in glob.glob("py/*.py"):
print(fname)
# 单字通配符 ？,当前路径文件下以 Tem 开头后有一个字符文件夹
for fname in glob.glob("Tem?"):
print(fname)
# 范围通配符[],当前路径文件下以 Tem 开头后一个数字符的 py 文件
for fname in glob.glob("Tem[0-9].py"):
print(fname)
# 范围通配符[!],当前路径文件下以 Tem 开头后一个非数字符的 py 文件
for fname in glob.glob("Tem[!0-9].py"):
print(fname)
windowns下
file = glob.glob(r'D:\logs\*\*')zlib.crc32
CRC32 算法概述 CRC 全称 Cyclic Redundancy Check，又叫循环冗余校验。和 md5 码一样都是 hash 的。当两个文件内容的 CRC32 相同的时候，这个文件也就是相同的。反之，两个文件就是不同的文件。
def crc32(file_path):
with open(file_path, 'rb') as fh:
hash = 0
while True:
s = fh.read(65536)
if not s:
break
hash = zlib.crc32(s, hash)
return "%08X" % (hash & 0xFFFFFFFF)去重复
看到这里，想必都明白如何去重复文件了：1. 用 glob.glob 扫描所有文件，2. 把文件的 crc32 值放入字典中，3. 找到字典中已经存在的 crc32 值的key，删除当前文件。
import os
import zlib
import glob
def scanning_floder(glob_path):
crc32Dict = {}
for fname in glob.glob(glob_path, recursive=True):
if os.path.isfile(fname):
crc = crc32(fname)
if crc in crc32Dict:
print('已经存在文件：' + crc32Dict.get(crc))
print('重复文件：' + fname)
print('删除文件：' + fname)
os.remove(fname)
print('')
else:
crc32Dict[crc] = fname
def crc32(file_path):
with open(file_path, 'rb') as f:
hash = 0
while True:
s = f.read(1024)
if not s:
break
hash = zlib.crc32(s, hash)
return "%08X" % (hash & 0xFFFFFFFF)
scanning_floder(r"C:\Users\xxxx\Documents\WeChat Files\xxxx\FileStorage\**\*")
总结
本篇介绍了 glob 模块的用法和 crc32 值的计算，大家学废了吗？
PS：公号内回复「Python」即可进入Python 新手学习交流群，一起 100 天计划！
老规矩，兄弟们还记得么，如果感觉文章内容不错的话，记得分享让更多的人知道！
【代码获取方式】
识别文末二维码，回复：某某白米饭
