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 #define LARGE_BUFFER_SIZE 65536
  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 /********************************************************************/
  72
  73 /* malloc with error checking.  */
  74
  75 void *safe_malloc(size_t n) {
  76   void *p = malloc(n);
  77   if (!p && n != 0) {
  78     printf("Can not allocate memory: %s\n", strerror(errno));
  79     exit(EXIT_FAILURE);
  80   }
  81   return p;
  82 }
  83
  84 /********************************************************************/
  85
  86 int ignore_entry(const char *name) {
  87   return
  88     strcmp(name, ".") == 0 ||
  89     strcmp(name, "..") == 0 ||
  90     (ignore_dotfiles && name[0] == '.');
  91 }
  92
  93 void print_size_sum(size_sum_t s) {
  94   char tmp[100];
  95   char *a = tmp + sizeof(tmp)/sizeof(char);
  96   *(--a) = '\0';
  97   if(s) {
  98     while(s) {
  99       *(--a) = s%10 + '0';
 100       s /= 10;
 101     }
 102   } else {
 103     *(--a) = '0';
 104   }
 105   printf(a);
 106 }
 107
 108 /**********************************************************************/
 109
 110 struct file_with_size {
 111   char *filename;
 112   size_t size;
 113   ino_t inode;
 114   struct file_with_size *next;
 115   int group_id;
 116 };
 117
 118 void file_list_delete(struct file_with_size *head) {
 119   struct file_with_size *next;
 120   while(head) {
 121     next = head->next;
 122     free(head->filename);
 123     free(head);
 124     head = next;
 125   }
 126 }
 127
 128 int file_list_length(struct file_with_size *head) {
 129   int l = 0;
 130   while(head) {
 131     l++;
 132     head = head->next;
 133   }
 134   return l;
 135 }
 136
 137 /**********************************************************************/
 138
 139 int same_content(struct file_with_size *f1, struct file_with_size *f2) {
 140   int fd1, fd2, s1, s2;
 141   char buffer1[LARGE_BUFFER_SIZE], buffer2[LARGE_BUFFER_SIZE];
 142
 143   fd1 = open(f1->filename, O_RDONLY);
 144   fd2 = open(f2->filename, O_RDONLY);
 145
 146   if(fd1 >= 0 && fd2 >= 0) {
 147     while(1) {
 148       s1 = read(fd1, buffer1, LARGE_BUFFER_SIZE);
 149       s2 = read(fd2, buffer2, LARGE_BUFFER_SIZE);
 150
 151       if(s1 < 0 || s2 < 0) {
 152         close(fd1);
 153         close(fd2);
 154         return 0;
 155       }
 156
 157       if(s1 == s2) {
 158         if(s1 == 0) {
 159           close(fd1);
 160           close(fd2);
 161           return 1;
 162         } else {
 163           if(memcmp(buffer1, buffer2, s1)) {
 164             close(fd1);
 165             close(fd2);
 166             return 0;
 167           }
 168         }
 169       } else {
 170         fprintf(stderr,
 171                 "Different read size without error on files of same size.\n");
 172         exit(EXIT_FAILURE);
 173       }
 174     }
 175   } else {
 176
 177     if(fd1 < 0) {
 178       fprintf(stderr,
 179               "Can not open \"%s\" error: %s\n",
 180               f1->filename,
 181               strerror(errno));
 182     }
 183
 184     if(fd2 < 0) {
 185       fprintf(stderr,
 186               "Can not open \"%s\" error: %s\n",
 187               f2->filename,
 188               strerror(errno));
 189     }
 190     exit(EXIT_FAILURE);
 191   }
 192 }
 193
 194 int same_files(struct file_with_size *f1, struct file_with_size *f2) {
 195   if(ignore_same_inode && f1->inode == f2->inode) {
 196     return 0;
 197   }
 198   return f1->size == f2->size && same_content(f1, f2);
 199 }
 200
 201 /**********************************************************************/
 202
 203 struct file_with_size *scan_directory(struct file_with_size *tail,
 204                                       const char *name) {
 205   DIR *dir;
 206   struct dirent *dir_e;
 207   struct stat sb;
 208   struct file_with_size *tmp;
 209   char subname[PATH_MAX + 1];
 210
 211   if(lstat(name, &sb) != 0) {
 212     fprintf(stderr, "Can not stat \"%s\": %s\n", name, strerror(errno));
 213     exit(EXIT_FAILURE);
 214   }
 215
 216   if(S_ISLNK(sb.st_mode)) {
 217     return tail;
 218   }
 219
 220   dir = opendir(name);
 221
 222   if(dir) {
 223     while((dir_e = readdir(dir))) {
 224       if(!ignore_entry(dir_e->d_name)) {
 225         snprintf(subname, PATH_MAX, "%s/%s", name, dir_e->d_name);
 226         tail = scan_directory(tail, subname);
 227       }
 228     }
 229     closedir(dir);
 230   } else {
 231     if(S_ISREG(sb.st_mode)) {
 232       if(!ignore_entry(name)) {
 233         if(!ignore_empty_files || sb.st_size > 0) {
 234           tmp = safe_malloc(sizeof(struct file_with_size));
 235           tmp->next = tail;
 236           tmp->filename = strdup(name);
 237           tmp->size = sb.st_size;
 238           tmp->inode = sb.st_ino;
 239           tmp->group_id = -1;
 240           tail = tmp;
 241         }
 242       }
 243     }
 244   }
 245
 246   return tail;
 247 }
 248
 249 void print_file(struct file_with_size *node) {
 250   char tmp[PATH_MAX + 1];
 251   if(show_realpaths) {
 252     if(show_groups) {
 253       realpath(node->filename, tmp);
 254       printf("%d %s\n", node->group_id, tmp);
 255     } else {
 256       realpath(node->filename, tmp);
 257       printf("%s\n", tmp);
 258     }
 259   } else {
 260     if(show_groups) {
 261       printf("%d %s\n", node->group_id, node->filename);
 262     } else {
 263       printf("%s\n", node->filename);
 264     }
 265   }
 266 }
 267
 268 int compare_nodes(const void *x1, const void *x2) {
 269   const struct file_with_size **f1, **f2;
 270
 271   f1 = (const struct file_with_size **) x1;
 272   f2 = (const struct file_with_size **) x2;
 273
 274   if((*f1)->group_id < (*f2)->group_id) {
 275     return -1;
 276   } else if((*f1)->group_id > (*f2)->group_id) {
 277     return 1;
 278   } else {
 279     return 0;
 280   }
 281 }
 282
 283
 284 void print_result(struct file_with_size *list1, struct file_with_size *list2) {
 285   struct file_with_size *node1, *node2;
 286   struct file_with_size **nodes;
 287   int nb, n;
 288
 289   nb = 0;
 290   for(node1 = list1; node1; node1 = node1->next) {
 291     if(node1->group_id >= 0) { nb++; }
 292   }
 293
 294   if(list2) {
 295     for(node2 = list2; node2; node2 = node2->next) {
 296       if(node2->group_id >= 0) { nb++; }
 297     }
 298   }
 299
 300   nodes = safe_malloc(nb * sizeof(struct file_with_size *));
 301
 302   n = 0;
 303   for(node1 = list1; node1; node1 = node1->next) {
 304     if(node1->group_id >= 0) {
 305       nodes[n++] = node1;
 306     }
 307   }
 308
 309   if(list2) {
 310     for(node2 = list2; node2; node2 = node2->next) {
 311       if(node2->group_id >= 0) {
 312         nodes[n++] = node2;
 313       }
 314     }
 315   }
 316
 317   qsort(nodes, nb, sizeof(struct file_with_size *), compare_nodes);
 318
 319   for(n = 0; n < nb; n++) {
 320     print_file(nodes[n]);
 321   }
 322
 323   free(nodes);
 324 }
 325
 326 void start(const char *dirname1, const char *dirname2) {
 327   struct file_with_size *list1, *list2;
 328   struct file_with_size *node1, *node2;
 329   int not_in, found;
 330   int k, p, pp, l1, n;
 331
 332   not_in = 0;
 333
 334   if(show_progress) {
 335     fprintf(stderr, "Scanning %s ... ", dirname1);
 336   }
 337
 338   list1 = scan_directory(0, dirname1);
 339
 340   if(dirname2) {
 341     if(strncmp(dirname2, "not:", 4) == 0) {
 342       not_in = 1;
 343       dirname2 += 4;
 344     }
 345     if(show_progress) {
 346       fprintf(stderr, "%s ... ", dirname2);
 347     }
 348     list2 = scan_directory(0, dirname2);
 349   } else {
 350     list2 = list1;
 351   }
 352
 353   if(show_progress) {
 354     fprintf(stderr, "done.\n");
 355   }
 356
 357   k = 0;
 358   pp = -1;
 359   n = 0;
 360   l1 = file_list_length(list1);
 361
 362   if(not_in) {
 363     for(node1 = list1; node1; node1 = node1->next) {
 364       if(show_progress) {
 365         p = (100 * n)/l1;
 366         if(p > pp) {
 367           fprintf(stderr, "%d%%\n", p);
 368           pp = p;
 369         }
 370         n++;
 371       }
 372
 373       found = 0;
 374
 375       for(node2 = list2; !found && node2; node2 = node2->next) {
 376         if(same_files(node1, node2)) {
 377           found = 1;
 378         }
 379       }
 380
 381       if(!found) {
 382         if(show_realpaths) {
 383           printf("%s\n", realpath(node1->filename, 0));
 384         } else {
 385           printf("%s\n", node1->filename);
 386         }
 387       }
 388     }
 389
 390   } else {
 391     for(node1 = list1; node1; node1 = node1->next) {
 392       if(show_progress) {
 393         p = (100 * n)/l1;
 394         if(p > pp) {
 395           fprintf(stderr, "%d%%\n", p);
 396           pp = p;
 397         }
 398         n++;
 399       }
 400
 401       for(node2 = list2; node2; node2 = node2->next) {
 402         if(node1->group_id < 0 || node2->group_id < 0) {
 403           if(same_files(node1, node2)) {
 404             if(node1->group_id < 0) {
 405               if(node2->group_id >= 0) {
 406                 node1->group_id = node2->group_id;
 407               } else {
 408                 node1->group_id = k;
 409                 k++;
 410               }
 411             }
 412             if(node2->group_id < 0) {
 413               node2->group_id = node1->group_id;
 414             }
 415           }
 416         }
 417       }
 418     }
 419   }
 420
 421   if(dirname2) {
 422     print_result(list1, list2);
 423     file_list_delete(list1);
 424     file_list_delete(list2);
 425   } else {
 426     print_result(list1, 0);
 427     file_list_delete(list1);
 428   }
 429 }
 430
 431 void print_help(FILE *out) {
 432   fprintf(out, "Usage: finddup [OPTION]... DIR1 [[not:]DIR2]\n");
 433   fprintf(out, "Version %s (%s)\n", VERSION_NUMBER, UNAME);
 434   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");
 435   fprintf(out, "\n");
 436   fprintf(out, "   -h   show this help\n");
 437   fprintf(out, "   -d   ignore dot files and directories\n");
 438   fprintf(out, "   -0   ignore empty files\n");
 439   fprintf(out, "   -c   do not show which files in DIR2 corresponds to those in DIR1\n");
 440   fprintf(out, "   -g   do not show the file groups\n");
 441   fprintf(out, "   -p   show progress\n");
 442   fprintf(out, "   -r   show the real file paths\n");
 443   fprintf(out, "   -i   consider files with same inode as different\n");
 444   fprintf(out, "\n");
 445   fprintf(out, "Report bugs and comments to <francois@fleuret.org>\n");
 446 }
 447
 448 /**********************************************************************/
 449
 450 int main(int argc, char **argv) {
 451   int c;
 452   struct file_with_size *root;
 453
 454   root = 0;
 455
 456   setlocale (LC_ALL, "");
 457
 458   while (1) {
 459     c = getopt(argc, argv, "hrcgd0p");
 460     if (c == -1)
 461       break;
 462
 463     switch (c) {
 464
 465     case 'h':
 466       print_help(stdout);
 467       exit(EXIT_SUCCESS);
 468
 469       break;
 470
 471     case 'd':
 472       ignore_dotfiles = 1;
 473       break;
 474
 475     case '0':
 476       ignore_empty_files = 1;
 477       break;
 478
 479     case 'r':
 480       show_realpaths = 1;
 481       break;
 482
 483     case 'i':
 484       ignore_same_inode = 1;
 485       break;
 486
 487     case 'g':
 488       show_groups = 0;
 489       break;
 490
 491     case 'p':
 492       show_progress = 1;
 493       break;
 494
 495     case 'c':
 496       show_hits = 0;
 497       break;
 498
 499     default:
 500       exit(EXIT_FAILURE);
 501     }
 502   }
 503
 504   if(optind + 2 == argc) {
 505     start(argv[optind], argv[optind + 1]);
 506   } else if(optind + 1 == argc) {
 507     ignore_same_inode = 1;
 508     start(argv[optind], 0);
 509   } else {
 510     print_help(stderr);
 511     exit(EXIT_FAILURE);
 512   }
 513
 514   exit(EXIT_SUCCESS);
 515 }