如何在 Linux 中查找包含一个扩展名的文件而不包含另一个扩展名的文件的目录

Question

我必须过滤掉大量目录/路径，其中包含扩展名为 .spring 的文件（两个 fastq 文件的压缩文件）。 但是在其中一些目录中，.fastq.gz 文件仍然存在。 我需要获取那些只有 .spring 文件而不是 .fastq.gz 文件的目录的路径。 （具体来说，我需要获取那些.spring 文件的路径）。

我试过使用 find 命令，但不知何故它没有按我的预期工作。 请给些建议

另外，如何检查目录是否同时包含文件 -.fastq.gz 和 .spring？

谢谢

我尝试了以下内容：

find $(find $PWD -name "*.spring" -printf '%h\\n') -not -name  "*.fastq.gz"

Answer 1

这是返回所需列表的 bash 脚本：

#!/bin/bash
set -euo pipefail
IFS=$'\n\t'

# find all directories containing *.spring files
spring_dirs=$(find $PWD -type f -name '*.spring' -exec dirname {} \; | sort -u)

# within the directories containing *.spring files,
# find those directories that also contain *.fastq.gz files,
# but use -maxdepth 1 to not look any deeper than the *.spring file dir
fastq_dirs=$(find $spring_dirs -maxdepth 1 -type f -name '*.fastq.gz' -exec dirname {} \; | sort -u)

# concatenate the two sets of directories and only keep the ones
# that are not repeated
spring_only_dirs=$(printf "%s\n%s\n" "$spring_dirs" "$fastq_dirs" | sort | uniq -u)

# use the directories of *.spring files to get the full
# file names of the *.spring files
find $spring_only_dirs -maxdepth 1 -type f -name '*.spring'

这不是最快的方法，但希望易于理解且相当简短。 如评论中所述，如果文件名或路径中有空格（或新行），则此方法将失败。 虽然可以处理 bash 中包含空格的文件名，但这会使脚本明显更长、更复杂。

这是 python 中更强大的实现：

#!/usr/bin/env python

from os import walk
from pathlib import Path

MUST_CONTAIN_GLOB = '*.spring'
NOT_CONTAIN_GLOB = '*.fastq.gz'
out_files = [str(f)
             for root, _, _ in walk(".")
             for f in Path(root).glob(MUST_CONTAIN_GLOB)
             if not list(Path(root).glob(NOT_CONTAIN_GLOB))]
print("\n".join(out_files))

Answer 2

这是我在 function 表格中的方法。 将需要2 arguments ，这将是要搜索的扩展名。 $1将是应该存在的文件， $2是文件夹中不应存在的文件。 在这种情况下，它们应该是$1=spring和$2=fastq.gz

findExcludingIncludingDirs () {
    local Dirs=( `find . -type d` )
    local Dir typesA typesB

    local Files=() Directories=()
    
    for Dir in $Dirs; do
        if [[ $Dir = '.' ]]; then continue; fi

        typesA=( `find "${Dir}" -maxdepth 1 -name "*.${1}" -type f 2>/dev/null` )
        typesB=( `find "${Dir}" -maxdepth 1 -name "*.${2}" -type f 2>/dev/null` )
        
        if [[ ${#typesA[@]} -gt 0 ]]; then
            Files+=( ${typesA[@]} )
            if [[ ${#typesB[@]} -gt 0 ]]; then Directories+=( "${Dir}" ); fi
        fi
    done;
}; alias feid="findExcludingIncludingDirs"

• Dirs将保存所有目录
• types[A|B]将在当前循环文件夹中保存具有排队扩展名的文件（由于 maxdepth 而非递归）。 这行也将 output 没有一致文件的文件夹的错误从stderr到无处通过2>/dev/null
• 文件将包含您所有的 spring 文件（带有 1 美元分机的文件）
• 目录将包含其中包含两种文件类型的所有目录

您可以操纵 function以与 arrays 一起使用，或者将它们保存在范围外的变量中以在 function 之后与它们一起使用。

只需在加载 function 后从要搜索的路径中调用它即可。使用此 2 forms 中的任何一个：

• > feid spring fastq.gz
• > findExcludingIncludingDirs spring fastq.gz

别名feid只是为了简化写命令

我的方法已经在 OSx zsh env 下进行了测试，希望对您有所帮助，问候！

编辑：

您可以在 function 的顶部添加一个安全层来执行一些测试：

if [[ $# -ne 2 ]]; then
    echo "2 extensions are needed, use as folows: 'feid ext1 ext2'"
    return 2
elif [[ "$@" =~ ^.*[\/\:].*$ ]]; then
    echo "Extensions should not be paths"
    return 2
fi