如何在文件夹层次结构中找到所有不同的文件扩展名？

问题描述：

在 Linux 机器上，我想要遍历文件夹层次结构并获取其中所有不同文件扩展名的列表。

从 shell 中实现这一目标的最佳方法是什么？

解决方案 1：

试试这个（不确定这是否是最好的方法，但它有效）：

find . -type f | perl -ne 'print $1 if m/.([^./]+)$/' | sort -u

其工作原理如下：

• 查找当前文件夹中的所有文件

• 打印文件扩展名（如果有）

• 制作一个独特的排序列表

解决方案 2：

不需要管道sort，awk 可以完成所有工作：

find . -type f | awk -F. '!a[$NF]++{print $NF}'

解决方案 3：

我的无 awk、无 sed、无 Perl、无 Python 的 POSIX 兼容替代方案：

find . -name '*.?*' -type f | rev | cut -d. -f1 | rev  | tr '[:upper:]' '[:lower:]' | sort | uniq --count | sort -rn

诀窍在于它会反转行并在开头切断扩展名。

它还会将扩展名转换为小写。

示例输出：

   3689 jpg
   1036 png
    610 mp4
     90 webm
     90 mkv
     57 mov
     12 avi
     10 txt
      3 zip
      2 ogv
      1 xcf
      1 trashinfo
      1 sh
      1 m4v
      1 jpeg
      1 ini
      1 gqv
      1 gcs
      1 dv

解决方案 4：

递归版本：

find . -type f | sed -e 's/.*.//' | sed -e 's/.*///' | sort -u

如果您想要总数（扩展被查看了多少次）：

find . -type f | sed -e 's/.*.//' | sed -e 's/.*///' | sort | uniq -c | sort -rn

非递归（单个文件夹）：

for f in *.*; do printf "%s
" "${f##*.}"; done | sort -u

我根据这个论坛帖子得出了这个结论，功劳应该归于此。

解决方案 5：

Powershell：

dir -recurse | select-object extension -unique

感谢http://kevin-berridge.blogspot.com/2007/11/windows-powershell.html

解决方案 6：

添加了我自己的变体。我认为这是所有变体中最简单的一种，当效率不是主要考虑因素时很有用。

find . -type f | grep -oE '.(w+)$' | sort -u

解决方案 7：

查找所有以点开头的字符并仅显示后缀。

find . -type f -name "*.*" | awk -F. '{print $NF}' | sort -u

如果你知道所有后缀都有 3 个字符，那么

find . -type f -name "*.???" | awk -F. '{print $NF}' | sort -u

或者使用 sed 显示所有包含一到四个字符的后缀。将 {1,4} 更改为后缀中预期的字符范围。

find . -type f | sed -n 's/.*.(.{1,4})$/
/p'| sort -u

解决方案 8：

我尝试了这里的很多答案，甚至是“最佳”答案。它们都没有达到我所追求的具体目标。所以，除了过去 12 个小时坐在多个程序的正则表达式代码中阅读和测试这些答案之外，这就是我想出的完全符合我要求的答案。

 find . -type f -name "*.*" | grep -o -E ".[^.]+$" | grep -o -E "[[:alpha:]]{2,16}" | awk '{print tolower($0)}' | sort -u

• 查找所有可能有扩展名的文件。

• 仅 Greps 扩展

• 查找 2 到 16 个字符之间的文件扩展名（如果不符合您的需要，只需调整数字）。这有助于避免缓存文件和系统文件（系统文件位用于搜索 jail）。

• Awk 以小写形式打印扩展名。

• 排序并仅引入唯一值。最初我曾尝试使用 awk 答案，但它会重复打印大小写敏感度不同的项目。

如果您需要计算文件扩展名的数量，请使用以下代码

find . -type f -name "*.*" | grep -o -E ".[^.]+$" | grep -o -E "[[:alpha:]]{2,16}" | awk '{print tolower($0)}' | sort | uniq -c | sort -rn

尽管这些方法需要一些时间才能完成，并且可能不是解决问题的最佳方法，但它们确实有效。

更新：根据@alpha_989，长文件扩展名会导致问题。这是由于原始正则表达式“[[:alpha:]]{3,6}”造成的。我已更新答案以包含正则表达式“[[:alpha:]]{2,16}”。但是，使用此代码的任何人都应该知道，这些数字是最终输出允许的扩展长度的最小值和最大值。超出该范围的任何内容都将在输出中分成多行。

注意：原始帖子确实写道“- 查找 3 到 6 个字符之间的文件扩展名（如果不符合您的需要，只需调整数字）。这有助于避免缓存文件和系统文件（系统文件位用于搜索 jail）。”

想法：可以通过以下方式查找超过特定长度的文件扩展名：

 find . -type f -name "*.*" | grep -o -E ".[^.]+$" | grep -o -E "[[:alpha:]]{4,}" | awk '{print tolower($0)}' | sort -u

其中 4 是需要包含的文件扩展名的长度，然后还查找超出该长度的任何扩展名。

解决方案 9：

在 Python 中使用生成器来生成非常大的目录，包括空白扩展名，并获取每个扩展名出现的次数：

import json
import collections
import itertools
import os

root = '/home/andres'
files = itertools.chain.from_iterable((
    files for _,_,files in os.walk(root)
    ))
counter = collections.Counter(
    (os.path.splitext(file_)[1] for file_ in files)
)
print json.dumps(counter, indent=2)

解决方案 10：

由于已经有另一个使用 Perl 的解决方案：

如果你安装了 Python，你也可以执行以下操作（从 shell 中）：

python -c "import os;e=set();[[e.add(os.path.splitext(f)[-1]) for f in fn]for _,_,fn in os.walk('/home')];print '
'.join(e)"

解决方案 11：

另一种方法：

`find . -type f -name "." -printf "%f
" | while IFS= read -r; do echo "${REPLY##*.}"; done | sort -u`

您可以删除-name "*.*"，但这可确保我们只处理具有某种扩展名的文件。

-printfisfind的打印，而不是 bash。仅`-printf "%f
"`打印文件名，剥离路径（并添加换行符）。

然后我们使用字符串替换来删除最后一个点${REPLY##*.}。

请注意，这$REPLY只是read的内置变量。我们也可以按照以下形式使用自己的变量：while IFS= read -r file，这里 $file 就是变量。

解决方案 12：

到目前为止，没有一个回复能够正确处理带换行符的文件名（除了 ChristopheD 的回复，在我输入此内容时它刚好出现）。下面的代码不是 shell 单行代码，但可以工作，并且速度相当快。

import os, sys

def names(roots):
    for root in roots:
        for a, b, basenames in os.walk(root):
            for basename in basenames:
                yield basename

sufs = set(os.path.splitext(x)[1] for x in names(sys.argv[1:]))
for suf in sufs:
    if suf:
        print suf

解决方案 13：

我认为最简单直接的方法是

for f in *.*; do echo "${f##*.}"; done | sort -u

它是根据 ChristopheD 的第 3 种方式修改的。

解决方案 14：

我认为还没有提到这一点：

find . -type f -exec sh -c 'echo "${0##*.}"' {} ; | sort | uniq -c

解决方案 15：

接受的答案使用 REGEX，并且您无法使用 REGEX 创建别名命令，您必须将其放入 shell 脚本中，我正在使用 Amazon Linux 2 并执行以下操作：

1. 我将接受的答案代码放入文件中，使用方法如下：

sudo vim 查找命令

添加此代码：

find ./ -type f | perl -ne 'print $1 if m/.([^./]+)$/' | sort -u

输入以下命令保存文件： :wq!

1. sudo vim ~/.bash_profile

2. alias getext=". /path/to/your/find.sh"

3. :wq!

4. . ~/.bash_profile

解决方案 16：

你也可以这样做

find . -type f -name "*.php" -exec PATHTOAPP {} +

解决方案 17：

我发现它简单又快捷......

   # find . -type f -exec basename {} ; | awk -F"." '{print $NF}' > /tmp/outfile.txt
   # cat /tmp/outfile.txt | sort | uniq -c| sort -n > tmp/outfile_sorted.txt

解决方案 18：

如果您正在寻找这方面的答案.gitignore，请查看以下答案。

git ls-tree -r HEAD --name-only | perl -ne 'print $1 if m/.([^./]+)$/' | sort -u 

解决方案 19：

Ondra Žižka 的另一个版本：

find . -name '*.?*' -type f | rev | cut -d. -f1 | rev | sort | uniq

在区分大小写的文件系统中，我认为不同的大小写不应被视为相同的扩展名。此外，我认为没有必要通过计算文件数量来回答 OP 的问题。