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 #define BUFFER_SIZE 4096
  45
  46 typedef int64_t size_sum_t;
  47
  48 /* Yeah, global variables! */
  49
  50 int ignore_dotfiles = 0; /* 1 means ignore files and directories
  51                             starting with a dot */
  52
  53 int show_realpaths = 0; /* 1 means ignore files and directories
  54                             starting with a dot */
  55
  56 int show_progress = 0; /* 1 means show a progress bar when we are in a
  57                           tty */
  58
  59 int show_hits = 1; /* 1 means to show the files from dir2
  60                       corresponding to the ones from dir1 */
  61
  62 int show_groups = 1; /* 1 means to show the group IDs when printing
  63                         file names */
  64
  65 int ignore_same_inode = 0; /* 1 means that comparison between two file
  66                               with same inode will always be false */
  67
  68 /********************************************************************/
  69
  70 /* malloc with error checking.  */
  71
  72 void *safe_malloc(size_t n) {
  73   void *p = malloc(n);
  74   if (!p && n != 0) {
  75     printf("Can not allocate memory: %s\n", strerror(errno));
  76     exit(EXIT_FAILURE);
  77   }
  78   return p;
  79 }
  80
  81 /********************************************************************/
  82
  83 int ignore_entry(const char *name) {
  84   return
  85     strcmp(name, ".") == 0 ||
  86     strcmp(name, "..") == 0 ||
  87     (ignore_dotfiles && name[0] == '.');
  88 }
  89
  90 void print_size_sum(size_sum_t s) {
  91   char tmp[100];
  92   char *a = tmp + sizeof(tmp)/sizeof(char);
  93   *(--a) = '\0';
  94   if(s) {
  95     while(s) {
  96       *(--a) = s%10 + '0';
  97       s /= 10;
  98     }
  99   } else {
 100     *(--a) = '0';
 101   }
 102   printf(a);
 103 }
 104
 105 /**********************************************************************/
 106
 107 struct file_with_size {
 108   char *filename;
 109   size_t size;
 110   ino_t inode;
 111   struct file_with_size *next;
 112   int group_id;
 113 };
 114
 115 void file_list_delete(struct file_with_size *head) {
 116   struct file_with_size *next;
 117   while(head) {
 118     next = head->next;
 119     free(head->filename);
 120     free(head);
 121     head = next;
 122   }
 123 }
 124
 125 int file_list_length(struct file_with_size *head) {
 126   int l = 0;
 127   while(head) {
 128     l++;
 129     head = head->next;
 130   }
 131   return l;
 132 }
 133
 134 /**********************************************************************/
 135
 136 int same_content(struct file_with_size *f1, struct file_with_size *f2) {
 137   int fd1, fd2, s1, s2;
 138   char buffer1[BUFFER_SIZE], buffer2[BUFFER_SIZE];
 139
 140   fd1 = open(f1->filename, O_RDONLY);
 141   fd2 = open(f2->filename, O_RDONLY);
 142
 143   if(fd1 >= 0 && fd2 >= 0) {
 144     while(1) {
 145       s1 = read(fd1, buffer1, BUFFER_SIZE);
 146       s2 = read(fd2, buffer2, BUFFER_SIZE);
 147
 148       if(s1 < 0 || s2 < 0) {
 149         close(fd1);
 150         close(fd2);
 151         return 0;
 152       }
 153
 154       if(s1 == s2) {
 155         if(s1 == 0) {
 156           close(fd1);
 157           close(fd2);
 158           return 1;
 159         } else {
 160           if(strncmp(buffer1, buffer2, s1)) {
 161             close(fd1);
 162             close(fd2);
 163             return 0;
 164           }
 165         }
 166       } else {
 167         fprintf(stderr,
 168                 "Different read size without error on files of same size.\n");
 169         exit(EXIT_FAILURE);
 170       }
 171     }
 172   } else {
 173
 174     if(fd1 < 0) {
 175       fprintf(stderr,
 176               "Can not open \"%s\" error: %s\n",
 177               f1->filename,
 178               strerror(errno));
 179     }
 180
 181     if(fd2 < 0) {
 182       fprintf(stderr,
 183               "Can not open \"%s\" error: %s\n",
 184               f2->filename,
 185               strerror(errno));
 186     }
 187     exit(EXIT_FAILURE);
 188   }
 189 }
 190
 191 int same_files(struct file_with_size *f1, struct file_with_size *f2) {
 192   if(ignore_same_inode && f1->inode == f2->inode) {
 193     return 0;
 194   }
 195   return f1->size == f2->size && same_content(f1, f2);
 196 }
 197
 198 /**********************************************************************/
 199
 200 struct file_with_size *scan_directory(struct file_with_size *tail,
 201                                       const char *name) {
 202   DIR *dir;
 203   struct dirent *dir_e;
 204   struct stat sb;
 205   struct file_with_size *tmp;
 206   char subname[PATH_MAX + 1];
 207
 208   if(lstat(name, &sb) != 0) {
 209     fprintf(stderr, "Can not stat \"%s\": %s\n", name, strerror(errno));
 210     exit(EXIT_FAILURE);
 211   }
 212
 213   if(S_ISLNK(sb.st_mode)) {
 214     return tail;
 215   }
 216
 217   dir = opendir(name);
 218
 219   if(dir) {
 220     while((dir_e = readdir(dir))) {
 221       if(!ignore_entry(dir_e->d_name)) {
 222         snprintf(subname, PATH_MAX, "%s/%s", name, dir_e->d_name);
 223         tail = scan_directory(tail, subname);
 224       }
 225     }
 226     closedir(dir);
 227   } else {
 228     if(S_ISREG(sb.st_mode)) {
 229       tmp = safe_malloc(sizeof(struct file_with_size));
 230       tmp->next = tail;
 231       tmp->filename = strdup(name);
 232       tmp->size = sb.st_size;
 233       tmp->inode = sb.st_ino;
 234       tmp->group_id = -1;
 235       tail = tmp;
 236     }
 237   }
 238
 239   return tail;
 240 }
 241
 242 void print_file(struct file_with_size *node) {
 243   char tmp[PATH_MAX + 1];
 244   if(show_realpaths) {
 245     if(show_groups) {
 246       realpath(node->filename, tmp);
 247       printf("%d %s\n", node->group_id, tmp);
 248     } else {
 249       realpath(node->filename, tmp);
 250       printf("%s\n", tmp);
 251     }
 252   } else {
 253     if(show_groups) {
 254       printf("%d %s\n", node->group_id, node->filename);
 255     } else {
 256       printf("%s\n", node->filename);
 257     }
 258   }
 259 }
 260
 261 int compare_nodes(const void *x1, const void *x2) {
 262   const struct file_with_size **f1, **f2;
 263
 264   f1 = (const struct file_with_size **) x1;
 265   f2 = (const struct file_with_size **) x2;
 266
 267   if((*f1)->group_id < (*f2)->group_id) {
 268     return -1;
 269   } else if((*f1)->group_id > (*f2)->group_id) {
 270     return 1;
 271   } else {
 272     return 0;
 273   }
 274 }
 275
 276
 277 void print_result(struct file_with_size *list1, struct file_with_size *list2) {
 278   struct file_with_size *node1, *node2;
 279   struct file_with_size **nodes;
 280   int nb, n;
 281
 282   nb = 0;
 283   for(node1 = list1; node1; node1 = node1->next) {
 284     if(node1->group_id >= 0) { nb++; }
 285   }
 286
 287   if(show_hits) {
 288     for(node2 = list2; node2; node2 = node2->next) {
 289       if(node2->group_id >= 0) { nb++; }
 290     }
 291   }
 292
 293   nodes = safe_malloc(nb * sizeof(struct file_with_size *));
 294
 295   n = 0;
 296   for(node1 = list1; node1; node1 = node1->next) {
 297     if(node1->group_id >= 0) {
 298       nodes[n++] = node1;
 299     }
 300   }
 301
 302   if(show_hits) {
 303     for(node2 = list2; node2; node2 = node2->next) {
 304       if(node2->group_id >= 0) {
 305         nodes[n++] = node2;
 306       }
 307     }
 308   }
 309
 310   qsort(nodes, nb, sizeof(struct file_with_size *), compare_nodes);
 311
 312   for(n = 0; n < nb; n++) {
 313     print_file(nodes[n]);
 314   }
 315
 316   free(nodes);
 317 }
 318
 319 void start(const char *dirname1, const char *dirname2) {
 320   struct file_with_size *list1, *list2;
 321   struct file_with_size *node1, *node2;
 322   int not_in, found;
 323   int k, p, pp, l1, n;
 324
 325   not_in = 0;
 326
 327   if(show_progress) {
 328     fprintf(stderr, "Scanning %s ... ", dirname1);
 329   }
 330
 331   list1 = scan_directory(0, dirname1);
 332
 333   if(dirname2) {
 334     if(strncmp(dirname2, "not:", 4) == 0) {
 335       not_in = 1;
 336       dirname2 += 4;
 337     }
 338     if(show_progress) {
 339       fprintf(stderr, "%s ... ", dirname2);
 340     }
 341     list2 = scan_directory(0, dirname2);
 342   } else {
 343     list2 = list1;
 344   }
 345
 346   if(show_progress) {
 347     fprintf(stderr, "done.\n");
 348   }
 349
 350   k = 0;
 351   pp = -1;
 352   n = 0;
 353   l1 = file_list_length(list1);
 354
 355   if(not_in) {
 356     for(node1 = list1; node1; node1 = node1->next) {
 357       if(show_progress) {
 358         p = (100 * n)/l1;
 359         if(p > pp) {
 360           fprintf(stderr, "%d%%\n", p);
 361           pp = p;
 362         }
 363         n++;
 364       }
 365
 366       found = 0;
 367
 368       for(node2 = list2; !found && node2; node2 = node2->next) {
 369         if(same_files(node1, node2)) {
 370           found = 1;
 371         }
 372       }
 373
 374       if(!found) {
 375         if(show_realpaths) {
 376           printf("%s\n", realpath(node1->filename, 0));
 377         } else {
 378           printf("%s\n", node1->filename);
 379         }
 380       }
 381     }
 382
 383   } else {
 384     for(node1 = list1; node1; node1 = node1->next) {
 385       if(show_progress) {
 386         p = (100 * n)/l1;
 387         if(p > pp) {
 388           fprintf(stderr, "%d%%\n", p);
 389           pp = p;
 390         }
 391         n++;
 392       }
 393
 394       for(node2 = list2; node2; node2 = node2->next) {
 395         if(same_files(node1, node2)) {
 396           if(node1->group_id < 0) {
 397             if(node2->group_id >= 0) {
 398               node1->group_id = node2->group_id;
 399             } else {
 400               node1->group_id = k;
 401               k++;
 402             }
 403           }
 404           if(node2->group_id < 0) {
 405             node2->group_id = node1->group_id;
 406           }
 407         }
 408       }
 409     }
 410   }
 411
 412   print_result(list1, list2);
 413
 414   file_list_delete(list1);
 415   if(dirname2) {
 416     file_list_delete(list2);
 417   }
 418 }
 419
 420 void print_help(FILE *out) {
 421   fprintf(out, "Usage: finddup [OPTION]... DIR1 [[not:]DIR2]\n");
 422   fprintf(out, "Version %s (%s)\n", VERSION_NUMBER, UNAME);
 423   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");
 424   fprintf(out, "\n");
 425   fprintf(out, "   -h   show this help\n");
 426   fprintf(out, "   -d   ignore dot files and directories\n");
 427   fprintf(out, "   -c   do not show which files in DIR2 corresponds to those in DIR1\n");
 428   fprintf(out, "   -g   do not show the file groups\n");
 429   fprintf(out, "   -p   show progress\n");
 430   fprintf(out, "   -r   show the real file paths\n");
 431   fprintf(out, "   -i   consider files with same inode as different\n");
 432   fprintf(out, "\n");
 433   fprintf(out, "Report bugs and comments to <francois@fleuret.org>\n");
 434 }
 435
 436 /**********************************************************************/
 437
 438 int main(int argc, char **argv) {
 439   int c;
 440   struct file_with_size *root;
 441
 442   root = 0;
 443
 444   setlocale (LC_ALL, "");
 445
 446   while (1) {
 447     c = getopt(argc, argv, "hrcgdp");
 448     if (c == -1)
 449       break;
 450
 451     switch (c) {
 452
 453     case 'h':
 454       print_help(stdout);
 455       exit(EXIT_SUCCESS);
 456
 457       break;
 458
 459     case 'd':
 460       ignore_dotfiles = 1;
 461       break;
 462
 463     case 'r':
 464       show_realpaths = 1;
 465       break;
 466
 467     case 'i':
 468       ignore_same_inode = 1;
 469       break;
 470
 471     case 'g':
 472       show_groups = 0;
 473       break;
 474
 475     case 'p':
 476       show_progress = 1;
 477       break;
 478
 479     case 'c':
 480       show_hits = 0;
 481       break;
 482
 483     default:
 484       exit(EXIT_FAILURE);
 485     }
 486   }
 487
 488   if(optind + 2 == argc) {
 489     start(argv[optind], argv[optind + 1]);
 490   } else if(optind + 1 == argc) {
 491     ignore_same_inode = 1;
 492     start(argv[optind], 0);
 493   } else {
 494     print_help(stderr);
 495     exit(EXIT_FAILURE);
 496   }
 497
 498   exit(EXIT_SUCCESS);
 499 }