查找名称中至​​少包含三个字符的所有PDF

我想找到其名称（不包括扩展名）大于3的PDF文件。

$ find ~ -iregex ".{3,}/.pdf"

什么都不返回，但是

$ find ~ -iregex ".+/.pdf"

作品。

如何启用该{3,}变体？

假设您使用的是GNU find（由于-iregex是POSIXfind的GNU扩展，所以您可能正在使用），-regex并且-iregex默认使用Emacs不识别的正则表达式{3,}。您需要使用-regextype选项指定其他类型的正则表达式。另外，您需要调整正则表达式以使其与完整路径匹配：

find ~ -regextype posix-extended -iregex '.*/[^/]{3,}.pdf'

您还应该对进行转义.，使其与“。”匹配 而不是任何字符：

find ~ -regextype posix-extended -iregex '.*/[^/]{3,}\.pdf'

因为我们只关心三个非“ /”字符，所以可以简化正则表达式：

find ~ -regextype posix-extended -iregex '.*[^/]{3}\.pdf'

为了完整起见，使用FreeBSD或NetBSD find（另一个支持-iregex，但不支持您的实现，.+如果没有，将无法正常运行-E），您应该编写：

find ~ -iregex '.*[^/]\{3\}\.pdf'

要么：

find -E ~ -iregex '.*[^/]{3}\.pdf'

没有-E，这是基本的正则表达式（如grep）和-E 扩展的正则表达式（如grep -E）。

使用ast-open的find：

find ~ -iregex '.*[^/]{3}\.pdf'

（即开即用的扩展正则表达式）。

在这里，使用标准通配符会更容易：

find ~ -name '*???.[pP][dD][fF]'

或使用某些find实现（那些-regex也支持的实现-iname）：

find ~ -iname '*???.pdf'

对于任意数量的字符而不是3，您可能希望将其恢复为-iregex可用的位置（请参阅@Stephen Kitt的答案），也可以使用zsh或ksh93glob：

• zsh：

  set -o extendedglob # best in ~/.zshrc
  printf '%s\n' ~/**/?(#c3,).(#i)pdf(D)
  

  （与(D)一起考虑隐藏文件和隐藏目录中的文件find）

  • (#cx,y)是正则zsh表达式的通配符{x,y}
  • (#i) 不区分大小写
  • ?任何单个字符的标准通配符（例如regexp .）
  • **/：任意级别的子目录（包括0）

• ksh93：

  FIGNORE='@(.|..)' # to consider hidden files
  set -o globstar
  printf '%s\n' **/{3,}(?).~(i:pdf)
  

  • @(x|y)：扩展的ksh通配符运算符，类似于regexp (x|y)。
  • FIGNORE：特殊变量，用于控制全局文件忽略哪些文件。设置后，通常不会忽略隐藏文件，但是我们仍然希望忽略存在的.和..目录条目。
  • {x,y}(z)是ksh93的正则表达式的等效z{x,y}。
  • ~(i:...)：不区分大小写的匹配。

Globs在find这里具有一些额外的优势，因为您可以获得一个排序列表（可以zsh使用oNglob限定符禁用该排序，或者使用其他排序标准），并且在文件名包含不构成有效字符的字节序列时（例如例如，在使用UTF-8字符集的语言环境中，该find方法将无法报告a $'St\xE9phane Chazelas - CV.pdf，\xE9因为不是一个字符与regexp .或通配符?或*GNU 都不匹配find。

我怎么知道它们是PDF？

除非你问，否则你不会。当然，我正在做书，但是您没有询问名称中带有的文件.pdf。仅由于文件名中包含字符.pdf，不能使它成为PDF文件。

实际上，让我们对此进行全面研究：如果文件名的最后四个字符为.pdf，则文件名中将始终有三个以上的字符。

因此，以错误的方式执行此操作，您可能会说：

$ find . -type f -name "*???.pdf"
./Documents/McLaren 720s Coupe:Order Summary.pdf
./Documents/Setup_MagicISO.exe.pdf

看到第二个吗？它实际上是一个可执行文件。（我知道，我改了名字。）而且我还缺少一个我可能宣誓就在文档目录中的PDF ...

$ ls Documents
McLaren 720s Coupe:Order Summary.pdf
Pioneer Premier DEH-P490IB CD Install Manual.PDF
Setup_MagicISO.exe.pdf

因此，使用-iname我们可以找到该文件，但这仍然是一个非PDF文件。

在这种情况下，我们真正想要做的就是使用命令检查文件的幻数file。一个选项输出MIME类型，它更易于解析。然后find查询变得简单-name "???*"。

$ find . -type f -name "???*" -print0|xargs -0 file --mime
./.bash_history:                                              text/plain; charset=us-ascii
./.bash_logout:                                               text/plain; charset=us-ascii
./.bashrc:                                                    text/plain; charset=us-ascii
./.profile:                                                   text/plain; charset=us-ascii
./Documents/McLaren 720s Coupe:Order Summary.pdf:             application/pdf; charset=binary
./Documents/Pioneer Premier DEH-P490IB CD Install Manual.PDF: application/pdf; charset=binary
./Documents/Setup_MagicISO.exe.pdf:                           application/x-dosexec; charset=binary
./Downloads/Setup_MagicISO.exe:                               application/x-dosexec; charset=binary
./Downloads/WindowsUpdate.diagcab:                            application/vnd.ms-cab-compressed; charset=binary

让我们使用冒号分隔符，查找MIME type application/pdf，然后将该部分归零并打印结果。请注意，我的一个文件名称中带有一个冒号；所以我不能只是问awk ($2==":"){print $1}。

$ find . -type f -name "???*" -print0|xargs -0 file --mime|awk -F: '($NF~"application/pdf"){OFS=":";$NF="";print}'|sed s/:$//
./Documents/McLaren 720s Coupe:Order Summary.pdf
./Documents/Pioneer Premier DEH-P490IB CD Install Manual.PDF

现在，我们通过努力包括名为a和的PDF文件来完成工作abc：

$ mkdir Documents/other
$ cp -a Documents/McLaren\ 720s\ Coupe\:Order\ Summary.pdf Documents/other/a
$ cp -a Documents/Pioneer\ Premier\ DEH-P490IB\ CD\ Install\ Manual.PDF  Documents/other/abc
$ find . -type f -name "???*" -print0|xargs -0 file --mime|awk -F: '($NF~"application/pdf"){OFS=":";$NF="";print}'|sed s/:$//
./Documents/McLaren 720s Coupe:Order Summary.pdf
./Documents/Pioneer Premier DEH-P490IB CD Install Manual.PDF
./Documents/other/abc

就这样。我知道我可能会因令人讨厌的书呆子而感到生气，但是在我的工作中，有成千上万的NFS卷可供狩猎以及各种名称不佳的文件，我希望更多的人会被书呆子。

编辑添加：在现实世界中，我可能想利用它updatedb来构建可搜索的文件索引，locate而不是find读取该索引，而parallel不是xargs进行线程化。不过，这超出了这个问题的范围。我也是用笔直的脸写的。我为什么这么在乎呢？我可能正在寻找电影和音频文件；或某些类型的照片；或项目数据目录中的二进制可执行文件。