集合A中的所有文件是否都包含在不同结构的集合B中？

Question

如果我有两个文件集合:A和B(比方说，两组照片)。这两个集合之间存在重叠(集合A中的所有照片也存在于集合B中--可能有不同的文件名)，但目录结构(可能)不同。此外，集合A中的文件可能在集合B的不同位置出现多次，而在集合B中的不同地方出现多次(尽管文件名可能有所不同)。

我如何确定，我可以安全地删除集合A(即集合A中的所有文件至少在集合B的某个地方存在一次)？

再说一遍，这是关于文件内容，而不是文件名。

• diff和派生工具对我没有帮助，因为它们抱怨集合A和B之间的文件结构不同。
• fdupes (http://linux.die.net/man/1/fdupes) (它比较文件大小和MD5签名，然后执行逐字节检查以进行验证)是检查双值的一个方便的工具，但对于删除从其中删除双重文件的集合却有一个难以预测的坏习惯。“手动”选项非常耗时。

fdupes似乎也是一个错误的工具。我只需要知道集合A中的所有文件是否都在集合B中。

Answer 1

首先从两个集合md5sum文件中生成

    find CollectionA  -type f -print0 | xargs -0 md5sum -b > CollectionA.MD5SUM
    find CollectionB  -type f -print0 | xargs -0 md5sum -b > CollectionB.MD5SUM

之后，您将在CollectionB中找到所有丢失的文件。

   (while read MD5SUM FILENAME; do grep -qis $MD5SUM CollectionB.MD5SUM || echo $FILENAME does not exist in CollectionB; done)<CollectionA.MD5SUM

更方便

   (while read MD5SUM FILENAME; do grep -qis $MD5SUM CollectionB.MD5SUM || echo ${FILENAME#\*} does not exist in CollectionB; done)<CollectionA.MD5SUM

若要从文件名开头删除*，请执行以下操作。

你必须知道，这个解决方案很慢。