finddup.c

   1
   2 /*
   3  *  finddup is a simple utility find duplicated files, files common to
   4  *  several directories, or files present in one directory and not in
   5  *  another one.
   6  *
   7  *  Copyright (c) 2010 Francois Fleuret
   8  *  Written by Francois Fleuret <francois@fleuret.org>
   9  *
  10  *  This file is part of finddup.
  11  *
  12  *  finddup is free software: you can redistribute it and/or modify it
  13  *  under the terms of the GNU General Public License version 3 as
  14  *  published by the Free Software Foundation.
  15  *
  16  *  finddup is distributed in the hope that it will be useful, but WITHOUT
  17  *  ANY WARRANTY; without even the implied warranty of MERCHANTABILITY
  18  *  or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public
  19  *  License for more details.
  20  *
  21  *  You should have received a copy of the GNU General Public License
  22  *  along with finddup.  If not, see <http://www.gnu.org/licenses/>.
  23  *
  24  */
  25
  26 #define VERSION_NUMBER "0.6"
  27
  28 #define _BSD_SOURCE
  29
  30 #include <sys/types.h>
  31 #include <sys/stat.h>
  32 #include <sys/param.h>
  33 #include <dirent.h>
  34 #include <stdlib.h>
  35 #include <stdio.h>
  36 #include <unistd.h>
  37 #include <errno.h>
  38 #include <string.h>
  39 #include <sys/ioctl.h>
  40 #include <locale.h>
  41 #include <getopt.h>
  42 #include <fcntl.h>
  43
  44 /* 1M really helps compared to 64k */
  45 #define READ_BUFFER_SIZE (1024 * 1024)
  46
  47 typedef int64_t size_sum_t;
  48
  49 /* Yeah, global variables! */
  50
  51 int ignore_dotfiles = 0; /* 1 means ignore files and directories
  52                             starting with a dot */
  53
  54 int ignore_empty_files = 0; /* 1 means ignore empty files */
  55
  56 int show_realpaths = 0; /* 1 means ignore files and directories
  57                             starting with a dot */
  58
  59 int show_progress = 0; /* 1 means show a progress bar when we are in a
  60                           tty */
  61
  62 int show_hits = 1; /* 1 means to show the files from dir2
  63                       corresponding to the ones from dir1 */
  64
  65 int show_groups = 1; /* 1 means to show the group IDs when printing
  66                         file names */
  67
  68 int ignore_same_inode = 0; /* 1 means that comparison between two file
  69                               with same inode will always be false */
  70
  71 int tty_width = -1; /* Positive value means what width to use to show
  72                        the progress bar */
  73
  74 /********************************************************************/
  75
  76 /* malloc with error checking.  */
  77
  78 void *safe_malloc(size_t n) {
  79   void *p = malloc(n);
  80   if (!p && n != 0) {
  81     printf("Can not allocate memory: %s\n", strerror(errno));
  82     exit(EXIT_FAILURE);
  83   }
  84   return p;
  85 }
  86
  87 /********************************************************************/
  88
  89 int ignore_entry(const char *name) {
  90   return
  91     strcmp(name, ".") == 0 ||
  92     strcmp(name, "..") == 0 ||
  93     (ignore_dotfiles && name[0] == '.');
  94 }
  95
  96 void print_size_sum(size_sum_t s) {
  97   char tmp[100];
  98   char *a = tmp + sizeof(tmp)/sizeof(char);
  99   *(--a) = '\0';
 100   if(s) {
 101     while(s) {
 102       *(--a) = s%10 + '0';
 103       s /= 10;
 104     }
 105   } else {
 106     *(--a) = '0';
 107   }
 108   printf(a);
 109 }
 110
 111 /**********************************************************************/
 112
 113 struct file_with_size {
 114   char *filename;
 115   size_t size;
 116   ino_t inode;
 117   struct file_with_size *next;
 118   int group_id, dir_id;
 119 };
 120
 121 void file_list_delete(struct file_with_size *head) {
 122   struct file_with_size *next;
 123   while(head) {
 124     next = head->next;
 125     free(head->filename);
 126     free(head);
 127     head = next;
 128   }
 129 }
 130
 131 int file_list_length(struct file_with_size *head) {
 132   int l = 0;
 133   while(head) {
 134     l++;
 135     head = head->next;
 136   }
 137   return l;
 138 }
 139
 140 /**********************************************************************/
 141
 142 int same_content(struct file_with_size *f1, struct file_with_size *f2) {
 143   int fd1, fd2, s1, s2;
 144   char buffer1[READ_BUFFER_SIZE], buffer2[READ_BUFFER_SIZE];
 145
 146   fd1 = open(f1->filename, O_RDONLY);
 147   fd2 = open(f2->filename, O_RDONLY);
 148
 149   if(fd1 >= 0 && fd2 >= 0) {
 150     while(1) {
 151       s1 = read(fd1, buffer1, READ_BUFFER_SIZE);
 152       s2 = read(fd2, buffer2, READ_BUFFER_SIZE);
 153
 154       if(s1 < 0 || s2 < 0) {
 155         close(fd1);
 156         close(fd2);
 157         return 0;
 158       }
 159
 160       if(s1 == s2) {
 161         if(s1 == 0) {
 162           close(fd1);
 163           close(fd2);
 164           return 1;
 165         } else {
 166           if(memcmp(buffer1, buffer2, s1)) {
 167             close(fd1);
 168             close(fd2);
 169             return 0;
 170           }
 171         }
 172       } else {
 173         fprintf(stderr,
 174                 "Different read size without error on files of same size.\n");
 175         exit(EXIT_FAILURE);
 176       }
 177     }
 178   } else {
 179
 180     if(fd1 < 0) {
 181       fprintf(stderr,
 182               "Can not open \"%s\" error: %s\n",
 183               f1->filename,
 184               strerror(errno));
 185     }
 186
 187     if(fd2 < 0) {
 188       fprintf(stderr,
 189               "Can not open \"%s\" error: %s\n",
 190               f2->filename,
 191               strerror(errno));
 192     }
 193     exit(EXIT_FAILURE);
 194   }
 195 }
 196
 197 int same_files(struct file_with_size *f1, struct file_with_size *f2) {
 198   if(ignore_same_inode && f1->inode == f2->inode) {
 199     return 0;
 200   }
 201   return f1->size == f2->size && same_content(f1, f2);
 202 }
 203
 204 /**********************************************************************/
 205
 206 struct file_with_size *scan_directory(struct file_with_size *tail,
 207                                       const char *name) {
 208   DIR *dir;
 209   struct dirent *dir_e;
 210   struct stat sb;
 211   struct file_with_size *tmp;
 212   char subname[PATH_MAX + 1];
 213
 214   if(lstat(name, &sb) != 0) {
 215     fprintf(stderr, "Can not stat \"%s\": %s\n", name, strerror(errno));
 216     exit(EXIT_FAILURE);
 217   }
 218
 219   if(S_ISLNK(sb.st_mode)) {
 220     return tail;
 221   }
 222
 223   dir = opendir(name);
 224
 225   if(dir) {
 226     while((dir_e = readdir(dir))) {
 227       if(!ignore_entry(dir_e->d_name)) {
 228         snprintf(subname, PATH_MAX, "%s/%s", name, dir_e->d_name);
 229         tail = scan_directory(tail, subname);
 230       }
 231     }
 232     closedir(dir);
 233   } else {
 234     if(S_ISREG(sb.st_mode)) {
 235       if(!ignore_entry(name)) {
 236         if(!ignore_empty_files || sb.st_size > 0) {
 237           tmp = safe_malloc(sizeof(struct file_with_size));
 238           tmp->next = tail;
 239           tmp->filename = strdup(name);
 240           tmp->size = sb.st_size;
 241           tmp->inode = sb.st_ino;
 242           tmp->group_id = -1;
 243           tmp->dir_id = -1;
 244           tail = tmp;
 245         }
 246       }
 247     }
 248   }
 249
 250   return tail;
 251 }
 252
 253 void print_file(struct file_with_size *node) {
 254   char tmp[PATH_MAX + 1];
 255   if(show_realpaths) {
 256     if(show_groups) {
 257       realpath(node->filename, tmp);
 258       printf("%d %s\n", node->group_id, tmp);
 259     } else {
 260       realpath(node->filename, tmp);
 261       printf("%s\n", tmp);
 262     }
 263   } else {
 264     if(show_groups) {
 265       printf("%d %s\n", node->group_id, node->filename);
 266     } else {
 267       printf("%s\n", node->filename);
 268     }
 269   }
 270 }
 271
 272 int compare_nodes(const void *x1, const void *x2) {
 273   const struct file_with_size **f1, **f2;
 274
 275   f1 = (const struct file_with_size **) x1;
 276   f2 = (const struct file_with_size **) x2;
 277
 278   if((*f1)->group_id < (*f2)->group_id) {
 279     return -1;
 280   } else if((*f1)->group_id > (*f2)->group_id) {
 281     return 1;
 282   } else {
 283     if((*f1)->dir_id < (*f2)->dir_id) {
 284       return -1;
 285     } else if((*f1)->dir_id > (*f2)->dir_id) {
 286       return 1;
 287     } else {
 288       return 0;
 289     }
 290   }
 291 }
 292
 293
 294 void print_result(struct file_with_size *list1, struct file_with_size *list2) {
 295   struct file_with_size *node1, *node2;
 296   struct file_with_size **nodes;
 297   int nb, n;
 298
 299   nb = 0;
 300   for(node1 = list1; node1; node1 = node1->next) {
 301     if(node1->group_id >= 0) { nb++; }
 302   }
 303
 304   if(list2) {
 305     for(node2 = list2; node2; node2 = node2->next) {
 306       if(node2->group_id >= 0) { nb++; }
 307     }
 308   }
 309
 310   nodes = safe_malloc(nb * sizeof(struct file_with_size *));
 311
 312   n = 0;
 313   for(node1 = list1; node1; node1 = node1->next) {
 314     if(node1->group_id >= 0) {
 315       nodes[n++] = node1;
 316     }
 317   }
 318
 319   if(list2) {
 320     for(node2 = list2; node2; node2 = node2->next) {
 321       if(node2->group_id >= 0) {
 322         nodes[n++] = node2;
 323       }
 324     }
 325   }
 326
 327   qsort(nodes, nb, sizeof(struct file_with_size *), compare_nodes);
 328
 329   for(n = 0; n < nb; n++) {
 330     if(!show_groups && n > 0 && nodes[n]->group_id != nodes[n-1]->group_id) {
 331       printf("\n");
 332     }
 333     print_file(nodes[n]);
 334   }
 335
 336   free(nodes);
 337 }
 338
 339 void print_progress(int max, int n, int *pp) {
 340   int p, k;
 341   int width;
 342   if(show_progress && tty_width > 0) {
 343     width = tty_width - 7;
 344     p = (width * n) / max;
 345     if(p > *pp) {
 346       for(k = 0; k < p; k++) {
 347         fprintf(stderr, "+");
 348       }
 349       for(; k < width; k++) {
 350         fprintf(stderr, "-");
 351       }
 352       *pp = p;
 353       p = (100 * n) / max;
 354       fprintf(stderr, " [% 3d%%]\r", p);
 355     }
 356   }
 357 }
 358
 359 void start(const char *dirname1, const char *dirname2) {
 360   struct file_with_size *list1, *list2;
 361   struct file_with_size *node1, *node2;
 362   int not_in, found;
 363   int k, pp, l1, n;
 364
 365   not_in = 0;
 366
 367   if(show_progress) {
 368     fprintf(stderr, "Scanning %s ... ", dirname1);
 369   }
 370
 371   list1 = scan_directory(0, dirname1);
 372
 373   if(dirname2) {
 374     if(strncmp(dirname2, "not:", 4) == 0) {
 375       not_in = 1;
 376       /* We should show groups even in that mode. However they are not
 377          properly calculated for now, so we force it off. */
 378       show_groups = 0;
 379       dirname2 += 4;
 380     }
 381     if(show_progress) {
 382       fprintf(stderr, "%s ... ", dirname2);
 383     }
 384     list2 = scan_directory(0, dirname2);
 385   } else {
 386     list2 = list1;
 387   }
 388
 389   if(show_progress) {
 390     fprintf(stderr, "done.\n");
 391   }
 392
 393   k = 0;
 394   pp = -1;
 395   n = 0;
 396   l1 = file_list_length(list1);
 397
 398   if(not_in) {
 399     for(node1 = list1; node1; node1 = node1->next) {
 400       print_progress(l1, n, &pp);
 401       n++;
 402
 403       found = 0;
 404
 405       for(node2 = list2; !found && node2; node2 = node2->next) {
 406         if(same_files(node1, node2)) {
 407           found = 1;
 408         }
 409       }
 410
 411       if(!found) {
 412         if(show_realpaths) {
 413           printf("%s\n", realpath(node1->filename, 0));
 414         } else {
 415           printf("%s\n", node1->filename);
 416         }
 417       }
 418     }
 419
 420   } else {
 421     for(node1 = list1; node1; node1 = node1->next) {
 422       print_progress(l1, n, &pp);
 423       n++;
 424
 425       for(node2 = list2; node2; node2 = node2->next) {
 426         if(node1->group_id < 0 || node2->group_id < 0) {
 427           if(same_files(node1, node2)) {
 428             if(node1->group_id < 0) {
 429               if(node2->group_id >= 0) {
 430                 node1->group_id = node2->group_id;
 431               } else {
 432                 node1->group_id = k;
 433                 node1->dir_id = 1;
 434                 k++;
 435               }
 436             }
 437             if(node2->group_id < 0) {
 438               node2->group_id = node1->group_id;
 439               node2->dir_id = 2;
 440             }
 441           }
 442         }
 443       }
 444     }
 445   }
 446
 447   if(show_progress) {
 448     fprintf(stderr, "\n");
 449   }
 450
 451   if(dirname2) {
 452     print_result(list1, list2);
 453     file_list_delete(list1);
 454     file_list_delete(list2);
 455   } else {
 456     print_result(list1, 0);
 457     file_list_delete(list1);
 458   }
 459 }
 460
 461 void print_help(FILE *out) {
 462   fprintf(out, "Usage: finddup [OPTION]... DIR1 [[not:]DIR2]\n");
 463   fprintf(out, "Version %s (%s)\n", VERSION_NUMBER, UNAME);
 464   fprintf(out, "Without DIR2, lists duplicated files found in DIR1. With DIR2, lists files common to both directories. With the not: prefix, lists files found in DIR1 which do not exist in DIR2.\n");
 465   fprintf(out, "\n");
 466   fprintf(out, "   -h   show this help\n");
 467   fprintf(out, "   -d   ignore dot files and directories\n");
 468   fprintf(out, "   -0   ignore empty files\n");
 469   fprintf(out, "   -c   do not show which files in DIR2 corresponds to those in DIR1\n");
 470   fprintf(out, "   -g   do not show the file groups\n");
 471   fprintf(out, "   -p   show progress\n");
 472   fprintf(out, "   -r   show the real file paths\n");
 473   fprintf(out, "   -i   consider files with same inode as different\n");
 474   fprintf(out, "\n");
 475   fprintf(out, "Report bugs and comments to <francois@fleuret.org>\n");
 476 }
 477
 478 /**********************************************************************/
 479
 480 int main(int argc, char **argv) {
 481   int c;
 482   struct file_with_size *root;
 483   struct winsize win;
 484
 485   root = 0;
 486
 487   setlocale (LC_ALL, "");
 488
 489   while (1) {
 490     c = getopt(argc, argv, "hircgd0p");
 491     if (c == -1)
 492       break;
 493
 494     switch (c) {
 495
 496     case 'h':
 497       print_help(stdout);
 498       exit(EXIT_SUCCESS);
 499
 500       break;
 501
 502     case 'd':
 503       ignore_dotfiles = 1;
 504       break;
 505
 506     case '0':
 507       ignore_empty_files = 1;
 508       break;
 509
 510     case 'r':
 511       show_realpaths = 1;
 512       break;
 513
 514     case 'i':
 515       ignore_same_inode = 1;
 516       break;
 517
 518     case 'g':
 519       show_groups = 0;
 520       break;
 521
 522     case 'p':
 523       show_progress = 1;
 524       break;
 525
 526     case 'c':
 527       show_hits = 0;
 528       break;
 529
 530     default:
 531       exit(EXIT_FAILURE);
 532     }
 533   }
 534
 535   if(show_progress &&
 536      isatty(STDOUT_FILENO) &&
 537      !ioctl (STDOUT_FILENO, TIOCGWINSZ, (char *) &win)) {
 538     tty_width = win.ws_col;
 539   }
 540
 541   if(optind + 2 == argc) {
 542     start(argv[optind], argv[optind + 1]);
 543   } else if(optind + 1 == argc) {
 544     ignore_same_inode = 1;
 545     start(argv[optind], 0);
 546   } else {
 547     print_help(stderr);
 548     exit(EXIT_FAILURE);
 549   }
 550
 551   exit(EXIT_SUCCESS);
 552 }