新闻详情

新闻详情

首页 / 资讯中心 / 详情

第十七章 查找文件

发布时间:2026/11/12 14:10:08来源:尧图网络
第十七章 查找文件
第十七章 查找文件Linux系统良好的文件组织结构,源自类UNIX系统“代代传承”的惯例,但庞大的文件量会引发令人生畏的问题。系统查找文件的工具:locate:按照路径查找文件名。find:在目录中查找文件名。配合文件查找命令处理结果文件的命令:xargs:通过标准输入构建并执行命令。touch:修改文件时间。stat:显示文件或文件系统状态。简单的文件查找方法locate命令对路径名执行快速的数据库查找,然后输出与给定字符串匹配的各个名称。命令如下:locatefilename#查找包含filename的所有路径例如:查找包含zip开头的所有程序:locatebin/zip输出结果如下:/usr/bin/zip/usr/bin/zipcloak/usr/bin/zipgrep/usr/bin/zipinfo/usr/bin/zipnote/usr/bin/zipsplit如果查找文件比较复杂,可以将locate命令与grep命令等其它与grep等其他命令结合起来。例如:locatezip|grepbin输出结果如下:/bin/bunzip2/bin/bzip2/bin/bzip2recover/bint/gunzip//usr/bin/funzip/usr/bin/preunziplocate命令也有几种常用的变体。slocate命令和mlocate命令是现代Linux发行版中常见的两种,不过两者是通过符号链接locate命令访问的。不同的locate有重叠的选项。有些版本支持正则表达式和通配符。locate命令的数据库是通古updatedb创建的。它通常作为corn作业,有守护进程cron定期执行。大多数locate命令的系统每天执行一次updatedb命令。数据库并不是持续更新的,新创建的文件不会出现查找结果中。可以切换到超级用户执行updatedb命令。复杂的文件查找方法locate命令仅根据文件名查找文件,而find可以根据各种属性在指定目录(及其子目录)查找文件。find命令较简单的用法就是为其指定一个或多个目录作为查找范围。例如:要想生成文件目录列表,可以这样:[me@linuxbox ~]$find~find命令可能会生成一个很长的文件列表,统计查找文件到的文件数量:[me@linuxbox ~]$find~|wc-lfind命令通过各种选项(option)、测试条件(test)以及操作(action)来实现的。测试条件例如查找目录,可以加入下列测试条件:[me@linuxbox ~]$find~-typed|wc-l1695加入测试条件-type d,限制只查找目录。限制只查找普通文件[me@linuxbox ~]$find~-typef|wc-l38737fiind命令支持的常见
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉