查找名称中至​​少包含三个字符的所有 PDF

Question

我想查找名称（不包括扩展名）大于三个的 PDF 文件。

$ find ~ -iregex ".{3,}/.pdf"

什么都不返回，但是

$ find ~ -iregex ".+/.pdf"

作品。

如何启用该{3,}变体？

Answer 1

这里使用标准通配符更容易：

find ~ -name '*???.[pP][dD][fF]'

或者使用一些find实现（支持-regex也支持的实现-iname）：

find ~ -iname '*???.pdf'

对于任意数量的字符而不是3，您可能更愿意恢复到-iregex可用的位置（请参阅@Stephen Kitt 的回答），或者您可以使用zsh或ksh93globs：

• zsh：

  set -o extendedglob # best in ~/.zshrc
  printf '%s\n' ~/**/?(#c3,).(#i)pdf(D)
  

  （(D)考虑隐藏文件和隐藏目录中的文件，例如 with find）

  • (#cx,y)是zshregexp的通配符等价物{x,y}
  • (#i) 不区分大小写
  • ?任何单个字符的标准通配符（如 regexp .）
  • **/: 任何级别的子目录（包括 0）

• ksh93：

  FIGNORE='@(.|..)' # to consider hidden files
  set -o globstar
  printf '%s\n' **/{3,}(?).~(i:pdf)
  

  • @(x|y): 类似于 regexp 的扩展 ksh 通配符运算符(x|y)。
  • FIGNORE: 控制 glob 忽略哪些文件的特殊变量。设置后，通常会忽略隐藏文件，但我们仍然希望忽略存在的.和..目录条目。
  • {x,y}(z)是ksh93的正则表达式的等效z{x,y}。
  • ~(i:...): 不区分大小写的匹配。

Glob 在find这里有一些额外的优势，因为您可以获得一个排序列表（您可以zsh使用oNglob 限定符禁用该排序，或使用不同的排序标准），并且在文件名包含不形成有效字符的字节序列时也可以工作（例如例如，在使用 UTF-8 字符集的语言环境中，该find方法将无法报告 a $'St\xE9phane Chazelas - CV.pdf，\xE9因为不是一个字符，与正则表达式.或通配符?或*与 GNU不匹配find）。

Answer 2

假设您使用的是 GNU find（您可能是，因为它-iregex是POSIXfind的 GNU 扩展），-regex并且-iregex默认使用 Emacs 正则表达式，它不识别{3,}. 您需要使用该-regextype选项指定不同类型的正则表达式；此外，您需要根据表达式与完整路径匹配的事实调整正则表达式：

find ~ -regextype posix-extended -iregex '.*/[^/]{3,}.pdf'

您还应该对 进行转义.，使其与“.”匹配。而不是任何字符：

find ~ -regextype posix-extended -iregex '.*/[^/]{3,}\.pdf'

正则表达式可以简化，因为我们只关心三个非“/”字符：

find ~ -regextype posix-extended -iregex '.*[^/]{3}\.pdf'

为了完整起见，使用 FreeBSD 或 NetBSD find（另一个支持 的实现，-iregex虽然不是你的，但.+没有 就不能工作-E），你会写：

find ~ -iregex '.*[^/]\{3\}\.pdf'

或者：

find -E ~ -iregex '.*[^/]{3}\.pdf'

没有-E，这是基本的正则表达式（如 in grep）和-E 扩展的正则表达式（如 in grep -E）。

使用 ast-open 的find：

find ~ -iregex '.*[^/]{3}\.pdf'

（这是开箱即用的扩展正则表达式）。

Answer 3

我怎么知道它们是 PDF？

除非你问，否则你不会。当然，我很迂腐，但你没有问他们名字中的文件.pdf。仅仅因为文件.pdf在文件名中包含字符并不能使其成为 PDF 文件。

事实上，让我们在这方面一直迂腐：如果文件名的最后四个字符是.pdf，那么它的名称中总是多于三个字符。

所以这样做是错误的，你可能会说：

$ find . -type f -name "*???.pdf"
./Documents/McLaren 720s Coupe:Order Summary.pdf
./Documents/Setup_MagicISO.exe.pdf

看到第二个了吗？它实际上是一个可执行文件。（我知道，我改了名字。）而且我还缺少一个我可以发誓在 Documents 目录中的 PDF ...

$ ls Documents
McLaren 720s Coupe:Order Summary.pdf
Pioneer Premier DEH-P490IB CD Install Manual.PDF
Setup_MagicISO.exe.pdf

所以使用-iname我们可以找到那个，但它仍然打开了这个非 PDF 文件。

在这种情况下，我们真正想做的是使用命令检查文件的幻数file。一个选项输出MIME type，它更易于解析。然后find查询就变成了一个简单的-name "???*".

$ find . -type f -name "???*" -print0|xargs -0 file --mime
./.bash_history:                                              text/plain; charset=us-ascii
./.bash_logout:                                               text/plain; charset=us-ascii
./.bashrc:                                                    text/plain; charset=us-ascii
./.profile:                                                   text/plain; charset=us-ascii
./Documents/McLaren 720s Coupe:Order Summary.pdf:             application/pdf; charset=binary
./Documents/Pioneer Premier DEH-P490IB CD Install Manual.PDF: application/pdf; charset=binary
./Documents/Setup_MagicISO.exe.pdf:                           application/x-dosexec; charset=binary
./Downloads/Setup_MagicISO.exe:                               application/x-dosexec; charset=binary
./Downloads/WindowsUpdate.diagcab:                            application/vnd.ms-cab-compressed; charset=binary

让我们使用冒号分隔符，并查找 MIME type application/pdf，然后将该部分清零并打印结果。请注意，我的一个文件的名称中有一个冒号；所以我不能只要求 awk ($2==":"){print $1}。

$ find . -type f -name "???*" -print0|xargs -0 file --mime|awk -F: '($NF~"application/pdf"){OFS=":";$NF="";print}'|sed s/:$//
./Documents/McLaren 720s Coupe:Order Summary.pdf
./Documents/Pioneer Premier DEH-P490IB CD Install Manual.PDF

现在让我们通过设法包含名为aand 的PDF 文件来结束abc：

$ mkdir Documents/other
$ cp -a Documents/McLaren\ 720s\ Coupe\:Order\ Summary.pdf Documents/other/a
$ cp -a Documents/Pioneer\ Premier\ DEH-P490IB\ CD\ Install\ Manual.PDF  Documents/other/abc
$ find . -type f -name "???*" -print0|xargs -0 file --mime|awk -F: '($NF~"application/pdf"){OFS=":";$NF="";print}'|sed s/:$//
./Documents/McLaren 720s Coupe:Order Summary.pdf
./Documents/Pioneer Premier DEH-P490IB CD Install Manual.PDF
./Documents/other/abc

就这样。我知道我可能会因为太迂腐而受到谴责，但在我的工作中有成千上万的 NFS 卷要搜索和各种名称不佳的文件，我希望更多的人会迂腐。

编辑添加：在现实世界中，我可能想利用updatedb来构建一个可搜索的文件索引，locate而不是find读取该索引，而parallel不是将xargs其串起来。不过，这有点超出了这个问题的范围。我也是板着脸写的。为什么我这么在意？我可能正在寻找电影和音频文件；或某些类型的照片；或项目数据目录中的二进制可执行文件。