如果文件没有重复项（合作伙伴），则删除文件

Question

鉴于我在这里发布的问题的成功：查找空文件及其重复项，谢谢 Freeman 和 Mark Setchell，现在鼓励我提出另一个相关问题。在这种情况下，挑战是如果文件缺少合作伙伴，则删除该文件。

Tesseract 中的 text2image 工具有时根本无法生成 .box 文件。

这些文件应该显示为三元组，如下所示：

• 文件1.box
• 文件1.gt.txt
• 文件1.tif
• 文件2.box
• 文件2.gt.txt
• 文件2.tif

但是，当该工具无法生成 box 文件时，我得到的只是两个伙伴。

• 文件3.gt.txt
• 文件3.tif

我想要的是删除那些缺少盒子伙伴的（gt.txt和.tif）文件，而不触及那些有伙伴的文件。

我希望描述清楚。

Answer 1

这是你想要的吗？

#!/bin/bash

#iterate over the files in the directory
for file in *.{tif,gt.txt}; do
    #get the file name without extension
    file_name="${file%.*}"

    #checking if the corresponding box file exists
    box_file="${file_name}.box"
    if [ ! -f "$box_file" ]; then
        #delete the files without a partner
        rm "$file"
        echo "Deleted $file"
    fi
done

我无权测试此方法，但也请检查一下：

find . -type f -name "*.gt.txt" | awk -F".gt.txt" 'NR==FNR{a[$1];next} !($1 in a) {print $1".gt.txt\n"$1".tif"}' - | xargs rm