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 <dirent.h>
  33 #include <stdlib.h>
  34 #include <stdio.h>
  35 #include <unistd.h>
  36 #include <errno.h>
  37 #include <string.h>
  38 #include <sys/ioctl.h>
  39 #include <locale.h>
  40 #include <getopt.h>
  41 #include <fcntl.h>
  42
  43 #define BUFFER_SIZE 4096
  44
  45 typedef int64_t size_sum_t;
  46
  47 /* Yeah, global variables! */
  48
  49 int ignore_dotfiles = 0; /* 1 means ignore files and directories
  50                             starting with a dot */
  51
  52 int show_realpaths = 0; /* 1 means ignore files and directories
  53                             starting with a dot */
  54
  55 int show_progress = 0; /* 1 means show a progress bar when we are in a
  56                           tty */
  57
  58 int show_hits = 1; /* 1 means to show the files from dir2
  59                       corresponding to the ones from dir1 */
  60
  61 int show_groups = 1; /* 1 means to show the group IDs when printing
  62                         file names */
  63
  64 /********************************************************************/
  65
  66 /* malloc with error checking.  */
  67
  68 void *safe_malloc(size_t n) {
  69   void *p = malloc(n);
  70   if (!p && n != 0) {
  71     printf("Can not allocate memory: %s\n", strerror(errno));
  72     exit(EXIT_FAILURE);
  73   }
  74   return p;
  75 }
  76
  77 /********************************************************************/
  78
  79 int ignore_entry(const char *name) {
  80   return
  81     strcmp(name, ".") == 0 ||
  82     strcmp(name, "..") == 0 ||
  83     (ignore_dotfiles && name[0] == '.');
  84 }
  85
  86 void print_size_sum(size_sum_t s) {
  87   char tmp[100];
  88   char *a = tmp + sizeof(tmp)/sizeof(char);
  89   *(--a) = '\0';
  90   if(s) {
  91     while(s) {
  92       *(--a) = s%10 + '0';
  93       s /= 10;
  94     }
  95   } else {
  96     *(--a) = '0';
  97   }
  98   printf(a);
  99 }
 100
 101 /**********************************************************************/
 102
 103 struct file_with_size {
 104   char *filename;
 105   size_t size;
 106   ino_t inode;
 107   struct file_with_size *next;
 108   int id;
 109 };
 110
 111 void file_list_delete(struct file_with_size *head) {
 112   struct file_with_size *next;
 113   while(head) {
 114     next = head->next;
 115     free(head->filename);
 116     free(head);
 117     head = next;
 118   }
 119 }
 120
 121 int file_list_length(struct file_with_size *head) {
 122   int l = 0;
 123   while(head) {
 124     l++;
 125     head = head->next;
 126   }
 127   return l;
 128 }
 129
 130 /**********************************************************************/
 131
 132 int same_content(struct file_with_size *f1, struct file_with_size *f2) {
 133   int fd1, fd2, s1, s2;
 134   char buffer1[BUFFER_SIZE], buffer2[BUFFER_SIZE];
 135
 136   fd1 = open(f1->filename, O_RDONLY);
 137   fd2 = open(f2->filename, O_RDONLY);
 138
 139   if(fd1 >= 0 && fd2 >= 0) {
 140     while(1) {
 141       s1 = read(fd1, buffer1, BUFFER_SIZE);
 142       s2 = read(fd2, buffer2, BUFFER_SIZE);
 143
 144       if(s1 < 0 || s2 < 0) {
 145         close(fd1);
 146         close(fd2);
 147         return 0;
 148       }
 149
 150       if(s1 == s2) {
 151         if(s1 == 0) {
 152           close(fd1);
 153           close(fd2);
 154           return 1;
 155         } else {
 156           if(strncmp(buffer1, buffer2, s1)) {
 157             close(fd1);
 158             close(fd2);
 159             return 0;
 160           }
 161         }
 162       } else {
 163         fprintf(stderr,
 164                 "Different read size without error on files of same size.\n");
 165         exit(EXIT_FAILURE);
 166       }
 167     }
 168   } else {
 169
 170     if(fd1 < 0) {
 171       fprintf(stderr,
 172               "Can not open \"%s\" error: %s\n",
 173               f1->filename,
 174               strerror(errno));
 175     }
 176
 177     if(fd2 < 0) {
 178       fprintf(stderr,
 179               "Can not open \"%s\" error: %s\n",
 180               f2->filename,
 181               strerror(errno));
 182     }
 183     exit(EXIT_FAILURE);
 184   }
 185 }
 186
 187 int same_files(struct file_with_size *f1, struct file_with_size *f2) {
 188   return f1->size == f2->size && same_content(f1, f2);
 189 }
 190
 191 /**********************************************************************/
 192
 193 struct file_with_size *scan_directory(struct file_with_size *tail,
 194                                       const char *name) {
 195   DIR *dir;
 196   struct dirent *dir_e;
 197   struct stat sb;
 198   struct file_with_size *tmp;
 199   char subname[PATH_MAX];
 200
 201   if(lstat(name, &sb) != 0) {
 202     fprintf(stderr, "Can not stat \"%s\": %s\n", name, strerror(errno));
 203     exit(EXIT_FAILURE);
 204   }
 205
 206   if(S_ISLNK(sb.st_mode)) {
 207     return tail;
 208   }
 209
 210   dir = opendir(name);
 211
 212   if(dir) {
 213     while((dir_e = readdir(dir))) {
 214       if(!ignore_entry(dir_e->d_name)) {
 215         snprintf(subname, PATH_MAX, "%s/%s", name, dir_e->d_name);
 216         tail = scan_directory(tail, subname);
 217       }
 218     }
 219     closedir(dir);
 220   } else {
 221     if(S_ISREG(sb.st_mode)) {
 222       tmp = safe_malloc(sizeof(struct file_with_size));
 223       tmp->next = tail;
 224       tmp->filename = strdup(name);
 225       tmp->size = sb.st_size;
 226       tmp->inode = sb.st_ino;
 227       tmp->id = -1;
 228       tail = tmp;
 229     }
 230   }
 231
 232   return tail;
 233 }
 234
 235 void print_file(struct file_with_size *node) {
 236   if(show_realpaths) {
 237     if(show_groups) {
 238       printf("%d %s\n", node->id, realpath(node->filename, 0));
 239     } else {
 240       printf("%s\n", realpath(node->filename, 0));
 241     }
 242   } else {
 243     if(show_groups) {
 244       printf("%d %s\n", node->id, node->filename);
 245     } else {
 246       printf("%s\n", node->filename);
 247     }
 248   }
 249 }
 250
 251 void start(const char *dirname1, const char *dirname2) {
 252   struct file_with_size *list1, *list2;
 253   struct file_with_size *node1, *node2;
 254   struct stat sb1, sb2;
 255   int not_in, found, same_dir;
 256   int k, p, pp, l1, n;
 257
 258   if(strncmp(dirname2, "not:", 4) == 0) {
 259     not_in = 1;
 260     dirname2 += 4;
 261   } else {
 262     not_in = 0;
 263   }
 264
 265   if(lstat(dirname1, &sb1) != 0) {
 266     fprintf(stderr, "Can not stat \"%s\": %s\n", dirname1, strerror(errno));
 267     exit(EXIT_FAILURE);
 268   }
 269
 270   if(lstat(dirname2, &sb2) != 0) {
 271     fprintf(stderr, "Can not stat \"%s\": %s\n", dirname2, strerror(errno));
 272     exit(EXIT_FAILURE);
 273   }
 274
 275   same_dir = (sb1.st_ino == sb2.st_ino);
 276
 277   if(show_progress) {
 278     fprintf(stderr, "Scanning %s ... ", dirname1);
 279   }
 280
 281   list1 = scan_directory(0, dirname1);
 282
 283   if(same_dir) {
 284     list2 = list1;
 285   } else {
 286     if(show_progress) {
 287       fprintf(stderr, "%s ... ", dirname2);
 288     }
 289     list2 = scan_directory(0, dirname2);
 290   }
 291
 292   if(show_progress) {
 293     fprintf(stderr, "done.\n");
 294   }
 295
 296   k = 0;
 297   pp = -1;
 298   n = 0;
 299   l1 = file_list_length(list1);
 300
 301   if(not_in) {
 302     for(node1 = list1; node1; node1 = node1->next) {
 303       if(show_progress) {
 304         p = (100 * n)/l1;
 305         if(p > pp) {
 306           fprintf(stderr, "%d%%\n", p);
 307           pp = p;
 308         }
 309         n++;
 310       }
 311
 312       found = 0;
 313
 314       for(node2 = list2; !found && node2; node2 = node2->next) {
 315         if(node1->inode != node2->inode && same_files(node1, node2)) {
 316           found = 1;
 317         }
 318       }
 319
 320       if(!found) {
 321         if(show_realpaths) {
 322           printf("%s\n", realpath(node1->filename, 0));
 323         } else {
 324           printf("%s\n", node1->filename);
 325         }
 326       }
 327     }
 328
 329   } else {
 330     for(node1 = list1; node1; node1 = node1->next) {
 331       if(show_progress) {
 332         p = (100 * n)/l1;
 333         if(p > pp) {
 334           fprintf(stderr, "%d%%\n", p);
 335           pp = p;
 336         }
 337         n++;
 338       }
 339
 340       for(node2 = list2; node2; node2 = node2->next) {
 341         if(node1->inode != node2->inode && same_files(node1, node2)) {
 342           if(node1->id < 0) {
 343             if(node2->id >= 0) {
 344               node1->id = node2->id;
 345             } else {
 346               node1->id = k;
 347               k++;
 348             }
 349             print_file(node1);
 350           }
 351           if(node2->id < 0) {
 352             node2->id = node1->id;
 353             if(show_hits) {
 354               print_file(node2);
 355             }
 356           }
 357         }
 358       }
 359     }
 360   }
 361
 362   file_list_delete(list1);
 363   if(!same_dir) {
 364     file_list_delete(list2);
 365   }
 366 }
 367
 368 void print_help(FILE *out) {
 369   fprintf(out, "Usage: finddup [OPTION]... DIR1 [[not:]DIR2]\n");
 370   fprintf(out, "Version %s (%s)\n", VERSION_NUMBER, UNAME);
 371   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");
 372   fprintf(out, "\n");
 373   fprintf(out, "   -h   show this help\n");
 374   fprintf(out, "   -d   ignore dot files and directories\n");
 375   fprintf(out, "   -c   do not show which files in DIR2 corresponds to those in DIR1\n");
 376   fprintf(out, "   -g   do not show the file groups\n");
 377   fprintf(out, "   -p   show progress\n");
 378   fprintf(out, "   -r   show the real file paths\n");
 379   fprintf(out, "\n");
 380   fprintf(out, "Report bugs and comments to <francois@fleuret.org>\n");
 381 }
 382
 383 /**********************************************************************/
 384
 385 int main(int argc, char **argv) {
 386   int c;
 387   struct file_with_size *root;
 388
 389   root = 0;
 390
 391   setlocale (LC_ALL, "");
 392
 393   while (1) {
 394     c = getopt(argc, argv, "hrcgdp");
 395     if (c == -1)
 396       break;
 397
 398     switch (c) {
 399
 400     case 'h':
 401       print_help(stdout);
 402       exit(EXIT_SUCCESS);
 403
 404       break;
 405
 406     case 'd':
 407       ignore_dotfiles = 1;
 408       break;
 409
 410     case 'r':
 411       show_realpaths = 1;
 412       break;
 413
 414     case 'g':
 415       show_groups = 0;
 416       break;
 417
 418     case 'p':
 419       show_progress = 1;
 420       break;
 421
 422     case 'c':
 423       show_hits = 0;
 424       break;
 425
 426     default:
 427       exit(EXIT_FAILURE);
 428     }
 429   }
 430
 431   if(optind + 1 < argc) {
 432     start(argv[optind], argv[optind + 1]);
 433   } else if(optind < argc) {
 434     start(argv[optind], argv[optind]);
 435   } else {
 436     print_help(stderr);
 437     exit(EXIT_FAILURE);
 438   }
 439
 440   exit(EXIT_SUCCESS);
 441 }