我想递归地找到每个目录中最大的文件

Question

输出将包括目录名、文件名和文件大小。运行命令的每个目录对应一个（最大文件）。

如果可能的话，该目录中文件的平均大小也是如此。

目的是可以让目录查找比目录中其他文件大得多的文件，以便可以替换它们

Answer 1

与GNU find，sort和sed（4.2.2或以上），排序一旦上的文件大小和再次对目录路径：

find /some/dir -type f -printf '%s %f%h\0' | 
  sort -zrn |
  sort -zut/ -k2 |
  sed -zre 's: ([^/]*)(/.*): \2/\1:'

解释：

• 打印文件大小、名称和路径（第一个由空格分隔，接下来的两个由 分隔/），每个条目以 ASCII NUL 字符终止。
• 然后我们使用大小对数字进行排序，假设输出以 NUL 分隔（并且以相反的顺序，所以首先是最大的文件）。
• 然后我们使用sort第二个/分隔字段中的所有内容仅打印第一个唯一条目，这将是包含文件的目录的路径。
• 然后我们使用sed交换目录和文件名，这样我们就得到了一个正常的路径。

对于可读输出，用换行符替换 ASCII NUL：

find /some/dir -type f -printf '%s %f%h\0' | 
  sort -zrn |
  sort -zut/ -k2 |
  sed -zre 's: ([^/]*)(/.*): \2/\1:' |
  tr '\0' '\n'

示例输出：

$ find /var/log -type f -printf '%s %f%h\0' | sort -zrn | sort -zt/ -uk2 | sed -zre 's: ([^/]*)(/.*): \2/\1:' | tr '\0' '\n'
3090885 /var/log/syslog.1
39789 /var/log/apt/term.log
3968 /var/log/cups/access_log.1
31 /var/log/fsck/checkroot
467020 /var/log/installer/initial-status.gz
44636 /var/log/lightdm/seat0-greeter.log
15149 /var/log/lxd/lxd.log
4932 /var/log/snort/snort.log
3232 /var/log/unattended-upgrades/unattended-upgrades-dpkg.log

Answer 2

结合find并awk允许计算平均值：

find . -type f -printf '%s %h/%f\0'|awk 'BEGIN { RS="\0" } { SIZE=$1; for (i = 1; i <= NF - 1; i++) $i = $(i + 1); NF = NF - 1; DIR=$0; gsub("/[^/]+$", "", DIR); FILE=substr($0, length(DIR) + 2); SUMSIZES[DIR] += SIZE; NBFILES[DIR]++; if (SIZE > MAXSIZE[DIR] || !BIGGESTFILE[DIR]) { MAXSIZE[DIR] = SIZE; BIGGESTFILE[DIR] = FILE } }; END { for (DIR in SUMSIZES) { printf "%s: average %f, biggest file %s %d\n", DIR, SUMSIZES[DIR] / NBFILES[DIR], BIGGESTFILE[DIR], MAXSIZE[DIR] } }'

以更易读的方式布局，AWK 脚本是

BEGIN { RS="\0" }

{
  SIZE=$1
  for (i = 1; i <= NF - 1; i++) $i = $(i + 1)
  NF = NF - 1
  DIR=$0
  gsub("/[^/]+$", "", DIR)
  FILE=substr($0, length(DIR) + 2)
  SUMSIZES[DIR] += SIZE
  NBFILES[DIR]++
  if (SIZE > MAXSIZE[DIR] || !BIGGESTFILE[DIR]) {
    MAXSIZE[DIR] = SIZE
    BIGGESTFILE[DIR] = FILE
  }
}

END {
  for (DIR in SUMSIZES) {
    printf "%s: average %f, biggest file %s %d\n", DIR, SUMSIZES[DIR] / NBFILES[DIR], BIGGESTFILE[DIR], MAXSIZE[DIR]
  }
}

这需要空分隔的输入记录（我从穆鲁的回答中偷走了这个）；对于每个输入记录，它

• 存储大小（供以后使用），
• 删除路径中第一个字符之前的所有内容（因此我们至少可以正确处理带有空格的文件名），
• 提取目录，
• 提取文件名，
• 将我们之前存储的大小添加到目录中的大小总和中，
• 增加目录中的文件数（因此我们可以计算平均值），
• 如果大小大于目录存储的最大大小，或者如果我们还没有看到目录中的文件，则更新最大文件的信息。

完成所有这些后，脚本会遍历输入的键SUMSIZES并输出目录、平均大小、最大文件名和大小。

您可以将输出通过管道sort传输到按目录名称排序。如果您想以人性化的形式另外格式化大小，您可以将printf行更改为

printf "%.2f %d %s: %s\n", SUMSIZES[DIR] / NBFILES[DIR], MAXSIZE[DIR], DIR, BIGGESTFILE[DIR]

然后将输出通过管道传输到numfmt --field=1,2 --to=iec. 您仍然可以按目录名称对结果进行排序，您只需要从第三个字段开始排序：sort -k3。