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 group_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->group_id = -1;
 228       tail = tmp;
 229     }
 230   }
 231
 232   return tail;
 233 }
 234
 235 void print_file(struct file_with_size *node) {
 236   char tmp[PATH_MAX];
 237   if(show_realpaths) {
 238     if(show_groups) {
 239       realpath(node->filename, tmp);
 240       printf("%d %s\n", node->group_id, tmp);
 241     } else {
 242       realpath(node->filename, tmp);
 243       printf("%s\n", tmp);
 244     }
 245   } else {
 246     if(show_groups) {
 247       printf("%d %s\n", node->group_id, node->filename);
 248     } else {
 249       printf("%s\n", node->filename);
 250     }
 251   }
 252 }
 253
 254 int compare_nodes(const void *x1, const void *x2) {
 255   const struct file_with_size **f1, **f2;
 256
 257   f1 = (const struct file_with_size **) x1;
 258   f2 = (const struct file_with_size **) x2;
 259
 260   if((*f1)->group_id < (*f2)->group_id) {
 261     return -1;
 262   } else if((*f1)->group_id > (*f2)->group_id) {
 263     return 1;
 264   } else {
 265     return 0;
 266   }
 267 }
 268
 269
 270 void print_result(struct file_with_size *list1, struct file_with_size *list2) {
 271   struct file_with_size *node1, *node2;
 272   struct file_with_size **nodes;
 273   int nb, n;
 274
 275   nb = 0;
 276   for(node1 = list1; node1; node1 = node1->next) {
 277     if(node1->group_id >= 0) { nb++; }
 278   }
 279
 280   if(show_hits) {
 281     for(node2 = list2; node2; node2 = node2->next) {
 282       if(node2->group_id >= 0) { nb++; }
 283     }
 284   }
 285
 286   nodes = safe_malloc(nb * sizeof(struct file_with_size *));
 287
 288   n = 0;
 289   for(node1 = list1; node1; node1 = node1->next) {
 290     if(node1->group_id >= 0) {
 291       nodes[n++] = node1;
 292     }
 293   }
 294
 295   if(show_hits) {
 296     for(node2 = list2; node2; node2 = node2->next) {
 297       if(node2->group_id >= 0) {
 298         nodes[n++] = node2;
 299       }
 300     }
 301   }
 302
 303   qsort(nodes, nb, sizeof(struct file_with_size *), compare_nodes);
 304
 305   for(n = 0; n < nb; n++) {
 306     print_file(nodes[n]);
 307   }
 308
 309   free(nodes);
 310 }
 311
 312 void start(const char *dirname1, const char *dirname2) {
 313   struct file_with_size *list1, *list2;
 314   struct file_with_size *node1, *node2;
 315   struct stat sb1, sb2;
 316   int not_in, found, same_dir;
 317   int k, p, pp, l1, n;
 318
 319   if(strncmp(dirname2, "not:", 4) == 0) {
 320     not_in = 1;
 321     dirname2 += 4;
 322   } else {
 323     not_in = 0;
 324   }
 325
 326   if(lstat(dirname1, &sb1) != 0) {
 327     fprintf(stderr, "Can not stat \"%s\": %s\n", dirname1, strerror(errno));
 328     exit(EXIT_FAILURE);
 329   }
 330
 331   if(lstat(dirname2, &sb2) != 0) {
 332     fprintf(stderr, "Can not stat \"%s\": %s\n", dirname2, strerror(errno));
 333     exit(EXIT_FAILURE);
 334   }
 335
 336   same_dir = (sb1.st_ino == sb2.st_ino);
 337
 338   if(show_progress) {
 339     fprintf(stderr, "Scanning %s ... ", dirname1);
 340   }
 341
 342   list1 = scan_directory(0, dirname1);
 343
 344   if(same_dir) {
 345     list2 = list1;
 346   } else {
 347     if(show_progress) {
 348       fprintf(stderr, "%s ... ", dirname2);
 349     }
 350     list2 = scan_directory(0, dirname2);
 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(node1->inode != node2->inode && 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->inode != node2->inode && same_files(node1, node2)) {
 403           if(node1->group_id < 0) {
 404             if(node2->group_id >= 0) {
 405               node1->group_id = node2->group_id;
 406             } else {
 407               node1->group_id = k;
 408               k++;
 409             }
 410           }
 411           if(node2->group_id < 0) {
 412             node2->group_id = node1->group_id;
 413           }
 414         }
 415       }
 416     }
 417   }
 418
 419   print_result(list1, list2);
 420
 421   file_list_delete(list1);
 422   if(!same_dir) {
 423     file_list_delete(list2);
 424   }
 425 }
 426
 427 void print_help(FILE *out) {
 428   fprintf(out, "Usage: finddup [OPTION]... DIR1 [[not:]DIR2]\n");
 429   fprintf(out, "Version %s (%s)\n", VERSION_NUMBER, UNAME);
 430   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");
 431   fprintf(out, "\n");
 432   fprintf(out, "   -h   show this help\n");
 433   fprintf(out, "   -d   ignore dot files and directories\n");
 434   fprintf(out, "   -c   do not show which files in DIR2 corresponds to those in DIR1\n");
 435   fprintf(out, "   -g   do not show the file groups\n");
 436   fprintf(out, "   -p   show progress\n");
 437   fprintf(out, "   -r   show the real file paths\n");
 438   fprintf(out, "\n");
 439   fprintf(out, "Report bugs and comments to <francois@fleuret.org>\n");
 440 }
 441
 442 /**********************************************************************/
 443
 444 int main(int argc, char **argv) {
 445   int c;
 446   struct file_with_size *root;
 447
 448   root = 0;
 449
 450   setlocale (LC_ALL, "");
 451
 452   while (1) {
 453     c = getopt(argc, argv, "hrcgdp");
 454     if (c == -1)
 455       break;
 456
 457     switch (c) {
 458
 459     case 'h':
 460       print_help(stdout);
 461       exit(EXIT_SUCCESS);
 462
 463       break;
 464
 465     case 'd':
 466       ignore_dotfiles = 1;
 467       break;
 468
 469     case 'r':
 470       show_realpaths = 1;
 471       break;
 472
 473     case 'g':
 474       show_groups = 0;
 475       break;
 476
 477     case 'p':
 478       show_progress = 1;
 479       break;
 480
 481     case 'c':
 482       show_hits = 0;
 483       break;
 484
 485     default:
 486       exit(EXIT_FAILURE);
 487     }
 488   }
 489
 490   if(optind + 1 < argc) {
 491     start(argv[optind], argv[optind + 1]);
 492   } else if(optind < argc) {
 493     start(argv[optind], argv[optind]);
 494   } else {
 495     print_help(stderr);
 496     exit(EXIT_FAILURE);
 497   }
 498
 499   exit(EXIT_SUCCESS);
 500 }