Linux批量文件操作——基于find-xargs

前言

在项目初创阶段，经常会遇到各种文件操作，拷贝头文件，库，批量重命名等。文件结构一复杂，这就将是个无聊的工作。

查找文件

find可以在目录结构中搜索文件，这是它在man里面的作用描述。那么怎么搜索呢？有多种方式，按文件时间，大小，按文件名，路径名，按文件类型，权限，按用户。而这些方式又可以通过与或非的逻辑相互组合，完成更苛刻的查找工作，简直是文件查找的福音。
通常介绍一种命令都会以命令形式开始，find的格式如下

find [-H] [-L] [-P] [-D debugopts] [-Olevel] [starting-point...] [expression] 

[-H] [-L] [-P] [-D debugopts] [-Olevel]这一些统统不重要，
[-H] [-L] [-P]是针对软连接的，不常用。[-D debugopts]是显示运行期间的额外信息，信息太乱太杂，用处不大。[-Olevel]则是用于优化查找的，默认的已经够用，所以也没必要深究。
find的最大魔法在最后的[expression],下面将以实例的形式讲解这个[expression]到底该怎么玩，原始的文件结构如下

├── alice.h ├── andy │   ├── jack │   │   └── mary.h │   ├── mark.cpp │   ├── mark.h │   └── pony.txt ├── andy.c ├── bill.cpp ├── bill.h ├── mark.h └── mary 

现在，我想找到以andy命名的文件，命令该怎么写呢。直觉告诉我们应该是

find andy 

但是直觉对吗，我们来看输出

andy andy/mark.cpp andy/jack andy/jack/mary.h andy/pony.txt andy/mark.h 

它只找到了andy目录，甚至都没找到andy.c，那么看来我们需要一种方式告诉find，我们找的东西是文件，不是目录，这个选项就是-type。
-type后面需要紧跟一个参数，常用取值是d代表目录,f代表文件。现在我们需要找到文件，那么就应该加个-type f的选项。但这就够了吗？执行命令会发现报错了，因为后面的andy被认为是路径，而我们要找的是文件名啊。所以，这又需要另一个选项的帮忙，-name。-name后面可以跟具体的名字或者正则。结合这两个条件，我们得出了最终的命令

find -type f -name "andy*" 

这里有两点值得注意，首先-type和-name其实是两个独立选项，可以单独使用，也可以联合使用，当联合使用时，他们之间不使用操作符（-o(Or)，-a(AND),-not）连接时，就会把-a单做连接符，也就是所有的条件都满足才回出现在最终的结果中。由此，可以延伸出一种反向的查找方法，

find -type f -not -name "andy*" 

这个命令就会查找出所有不以andy开头的文件。

./andy/mark.cpp ./andy/jack/mary.h ./andy/pony.txt ./andy/mark.h ./bill.h ./bill.cpp ./mark.h ./alice.h 

另一个值得注意的点是"andy*"加了双引号，因为*是特殊字符，所以需要用双引号转椅一下，假如没有特殊字符是不需要添加双引号的。回到最初的命令，为啥第一条我们想当然的命令竟然没有找到我们期盼的目标呢？因为find是严格匹配的，我们只写了andy，而遗漏了后缀.c，这是最容易发生错误的地方。
其实，到这里，我们已经学习了这个命令的50%，那剩下的有什么内容呢？记得find的主要功能吗，里面提到了个目录结构。对的，find还可以控制查找范围。
新需求来了，怎样找到某个目录下所有的直接子.h文件呢？这里的直接和子合起来的意思是查找范围只能是当前目录，不能查找到当前目录的子目录。在解决这个问题前，我们需要知道一个前置知识——两个目录之间存在两种相互关系，兄弟或者父子。兄弟目录深度相同，父子目录深度相差1。知道了这点，再来看需求——.h文件很简单，使用-name "*.h"就能满足。但是，这样会找到andy目录下的.h文件，所以我们需要一种控制目录查找层级的东西，他们就是-mindepth，maxdepth。这两个参数和前面的不一样，他们属于Global options。什么是Global options呢，就是他们的作用是全局性的，并且它们总是返回true,也就是它们和其他的选项连起来一起查找的时候，只用考虑其他选项的条件。并且，为了凸显它们的全局性，它们在命令书写时，必须写在最前面，否则会触发警告。如下，就是写在了-name "*.h"前面。

find -maxdepth 1 -name "*.h" 

这两个参数有点反直觉，可以这样理解——最多查找到哪里，有个最多，就是maxdepth,反过来就是从哪里才开始查找，才就是mindepth。

聊完了目录结构，名字这些显眼的部分，文件还有访问（access）创建（create）、修改（modiffy）时间，权限（permission），大小（size）这些没有涉及到，而这些也同样可以作为find的查找条件，在开始之前，有一些小规则可以对这些选项做个快速分组——选项会以属性的英文首字母作为开始，如

• 时间相关的选项有time和min，分别表示某个事件发生的前n天和n分钟，这里的某个事件可以用访问a（access）c创建（create）、m修改（modiffy）替代，它们组合起来就是一个完整的选项，如mmin n就表示查找修改时间在n分钟以内的文件。
• 以此类推，i代表大小写敏感，如iname,l代表link文件

当然，这些都可能用得不多，实际使用到再查可能还更方便点，但是有两个很好用的选项不得不讲。
考虑以下情况，某天老本发来一堆用户日志文件，让你给这些用户根据使用频次分级，你该怎么办呢？首先，我们可以把日志文件大小作为依据，根据最大最小划分好区间，如（0-100M)，然后用定好的级别(如5级）划分出每级区间（0-20，20-40，...）,这样我们多次运行命令，就能得到所有的分级情况了。想法是美好的，但是find提供了这种选项了吗？它提供了-size n。我们来试着查找一下0-20区间的文件

find -size 20M 

回车，你会发现结果貌似不完全正确，它可能确实找出了一些满足条件的文件，但是有一些满足的却没有找出，问题出现在哪里呢？原来-size n中的n是严格匹配，就是你输入的是20M，它就只找到恰好是20M的文件，而不是我们期望的20M和20M一下的文件。那么有解决方法吗，当然有，就是数字前面加上+，-号，+代表大于等于这个值，-代表小于。所以我们查找20M以下的文件的命令应该是

find -size -20M 

解决了符号问题，还有单位问题值得注意，也就是-20M中的M。其实-size的标准形式是-size [+-]n[cwbkMG]。[+-]和n都说过了，后面的则单位。它们是以大小递增顺序排列的，说明如下

• c：字节
• w：双字节，也就是word
• b：512字节构成的块，数字n后面没加单位的话，这个是默认值
• k：1024个字节，也就是kb
• M：1024 * 1024个字节，也就是Mb
• c：1024 * 1024 * 1024个字节，也就是Gb

说完了单位的事，我们接着来出来20——40的分级，直接把20改为40吗？当然不，改为40找到的就是小于等于40M的文件了，所以我们需要一种区间标定法，find没有提供直接的选项支持，但是前面说过，选项是可以组合的，也就是我们可以重复使用-size来标识一个区间。也就是

find -size +20M -size -40M 

按照这种方法，多次改变值，就可以完成任务啦。
其实上面的方案还有一点小纰漏，就是没有找出直接没用过的用户，也就是size为0的，那把数字改为0，可以吗？答案是可以，但是假如我们想找的是空目录，而不是空文件呢，-size就不能解决了，因为通常空目录的大小不为0.所以，find又提供了个检测文件是否为空的选项-empty，它不仅可以找到空文件，还可以找到空目录。在我们的实例中，使用 find -size 0找到的结果是

./andy/mark.cpp ./andy/jack/mary.h ./andy/pony.txt ./andy/mark.h ./andy.c ./alice.h 

没有找出空目录mary。而使用find -empty查找后，结果是

./mary ./andy/mark.cpp ./andy/jack/mary.h ./andy/pony.txt ./andy/mark.h ./andy.c ./alice.h 

不仅找到了mary空目录，其他的空文件也找出来了。
至此，find相关的东西已经了解得差不多了。但是，很多时候仅仅找到并不能完全满足我们的需求，我们可能需要把找到的文件复制到其他地方或者删除之类的，能否把这些操作合起来呢？这就要请我们的xargs登场了。

xargs

xargs只有一个简单的功能，就是从标准输入读入内容，构建并执行命令。怎么理解呢？假设我们在执行find命令，find命令执行肯定是有过程，有逻辑的。按照一定的逻辑和过程，find对文件进行逐一评估，假如满足条件，就输出结果。随着命令的执行，结果可能越来越多。假如我们需要对产生的每个结果都执行一条命令呢，这该怎么办？按照一般的思路，当然是将结果保存起来，然后再写个脚本，读取每一条记录，然后执行相应。但是有了xargs，我们不用这么麻烦了，可以一步到位。我们利用管道符将结果从终端连接到xargs中，xargs接收到一条信息，就会将它作为构建命令的参数，就好像我们手动输入了命令那样，构建完成后还会自动执行。最终的结果就是，没产生一个输出，就会产生一条以这个输出为参数的命令，并且这条命令还自动执行，最终的效果就是实现了一条命令实现了多个功能。

将find和xargs结合起来

现在我们挑战升级了，有个需求，需要提取目录下的所有头文件到另一个目录。这个需求可以分为两部分，一部分是找到头文件，这可以用find命令完成。另一部分是复制找到的头文件，这就需要xargs的参与了。

首先是找到头文件。头文件就是以.h结尾的文件（暂不考虑.hpp)，这个后缀是出现在名字里的，所以我们可以使用-name "*。h"选项,同时为了避免某些目录名的干扰，我们把类型也做个限定-type f，只查找文件。这第一步就完成了。
第二布就是复制文件啦。复制文件的标准写法是

cp [OPTION]... SOURCE... DIRECTORY 

根据这个命令格式，我们需要确定几个参数，源文件当然就是我们查找到的文件啦，这暂时按下不表。目标文件夹，就是我们拷贝到哪里，我们这里暂时就新建一个test的目录吧，目标文件夹就是test。这就结束了吗，还没有。头文件往往需要和他的父目录组成一个依赖路径，所以我们把所有的头文件直接一股脑都拷贝到test目录下是不可取的，这会打乱头文件的依赖关系，我们还得拷贝和头文件相关的父目录。恰巧的是，cp提供了这样的一个选项-parents——它可以拷贝源文件的完成文件名，也就是包含目录。所以问题的关键就来到了源文件这个参数上了。