finddup.1

   1 .TH "FINDDUP" 1 "Mar 2010" "Francois Fleuret" "User Commands"
   2
   3 \" This man page was written by Francois Fleuret <francois@fleuret.org>
   4 \" and is distributed under a Creative Commons Attribution-Share Alike
   5 \" 3.0 License.
   6
   7 .SH "NAME"
   8
   9 finddup \- Find files common to two directories (or not)
  10
  11 .SH "SYNOPSIS"
  12
  13 \fBfinddup\fP [OPTION]... DIR1 [[and:|not:]DIR2]
  14
  15 .SH "DESCRIPTION"
  16
  17 With a single directory argument, \fBfinddup\fP prints the duplicated
  18 files found in it.
  19
  20 With two directories, it prints either the files common to both DIR1
  21 and DIR2 or, with the `not:' prefix, the ones present in DIR1 and not
  22 in DIR2. The and: prefix is assumed by default and necessary only if
  23 you have a directory name starting with `not:'.
  24
  25 This command compares files by first comparing their sizes, hence goes
  26 reasonably fast.
  27
  28 When looking for identical files, \fBfinddup\fP associates a group ID
  29 to every content, and prints it along the file names. Use the \fB-g\fP
  30 to switch it off.
  31
  32 Note that
  33 .B finddup DIR
  34 is virtually the same as
  35 .B finddup -i DIR DIR
  36
  37 .SH "OPTIONS"
  38 .TP
  39 \fB-h\fR, \fB--help\fR
  40 display help and exit
  41 .TP
  42 \fB-d\fR, \fB--ignore-dots\fR
  43 ignore files and directories starting with a dot
  44 .TP
  45 \fB-0\fR, \fB--ignore-empty\fR
  46 ignore empty files
  47 .TP
  48 \fB-c\fR, \fB--hide-matchings\fR
  49 do not show which files from DIR2 corresponds to files from DIR1
  50 (hence, show only the files from DIR1 which have an identical twin in
  51 DIR2)
  52 .TP
  53 \fB-g\fR, \fB--no-group-ids\fR
  54 do not show the file group IDs
  55 .TP
  56 \fB-p\fR, \fB--show-progress\fR
  57 show progress information in stderr
  58 .TP
  59 \fB-r\fR, \fB--real-paths\fR
  60 show the real path of the files
  61 .TP
  62 \fB-i\fR, \fB--same-inodes-are-different\fR
  63 files with same inode are considered as different
  64
  65 .SH "BUGS"
  66
  67 None known, probably many. Valgrind does not complain though.
  68
  69 The current algorithm is dumb, as it does not use any hashing of the
  70 file content.
  71
  72 Here are the things I tried, which did not help at all: (1) Computing
  73 md5s on the whole files, which is not satisfactory because files are
  74 often never read entirely hence the md5s can not be properly computed,
  75 (2) computing XOR of the first 4, 16 and 256 bytes with rejection as
  76 soon as one does not match, (3) reading parts of the files of
  77 increasing sizes so that rejection could be done with a small fraction
  78 when possible, (4) using mmap instead of open/read.
  79
  80 .SH "WISH LIST"
  81
  82 The format of the output should definitely be improved. Not clear how.
  83
  84 Their could be some fancy option to link two instances of the command
  85 running on different machines to reduce network disk accesses. This
  86 may not help much though.
  87
  88 .SH "EXAMPLES"
  89
  90 .B finddup -p0d blah
  91
  92 .fi
  93 List duplicated files in directory ./blah/, show a progress bar,
  94 ignore empty files, and ignore files and directories starting with a
  95 dot.
  96
  97 .P
  98 .B finddup sources not:/mnt/backup
  99
 100 .fi
 101 List all files found in \fB./sources/\fR which do not have
 102 content-matching equivalent in \fB/mnt/backup/\fR.
 103
 104 .P
 105 .B finddup -g tralala cuicui
 106
 107 .fi
 108 List groups of files with same content which exist both in
 109 \fB./tralala/\fR and \fB./cuicui/\fR. Do not show group IDs, instead
 110 write an empty lines between groups of files of same content.
 111
 112 .SH "AUTHOR"
 113
 114 Written by Francois Fleuret <francois@fleuret.org> and distributed
 115 under the terms of the GNU General Public License version 3 as
 116 published by the Free Software Foundation. This is free software: you
 117 are free to change and redistribute it. There is NO WARRANTY, to the
 118 extent permitted by law.