У меня есть несколько сотен файлов .doc и .rtf, которые потеряли свои оригинальные имена после восстановления с поврежденного жесткого диска. В основном они выглядят так:
f132765720.rtf
f136246056.rtf
f146124320.doc
f147595288.docx
f131673632.rtf
Я могу читать файлы без проблем. Как я могу воссоздать значимые имена файлов из содержимого файлов в Linux?
Пример файла: https://dl.dropboxusercontent.com/u/41225253/example.rtf
Сценарий ниже найдет все файлы .docx и .rtf в текущем каталоге и переименует их в first_few_words.rtf или docx . Сначала вам нужно установить catdoc . На Debian и его производных вы можете сделать это с
sudo apt-get install catdoc
Как ни странно, catdoc выдает мне ошибку , когда я пробую ее на моем docx , так что вместо этого используйте docx2txt для файлов doc:
sudo apt-get install docx2txt
После установки catdoc и docx cd в каталог, содержащий ваши файлы, и запустите:
for file in *rtf; do
name=$(catdoc "$file" | grep . | head -1 | sed 's/ /_/g') &&
mv "$file" "$name".rtf;
done
for file in *docx; do
name=$(docx2txt < "$file" | grep . | head -1 | sed 's/ /_/g') &&
mv "$file" "$name".docx;
done
ВНИМАНИЕ: Это приведет к удалению исходных файлов, сначала убедитесь, что вы сделали резервную копию, на всякий случай.
ОБЪЯСНЕНИЕ: обе утилиты преобразуют docx или rtf в текст, затем я выбираю первую непустую строку этого текста, преобразую пробелы в подчеркивания (это облегчит вашу жизнь в долгосрочной перспективе) и соответствующим образом переименовываю файлы.
К ответу, предоставленному @terdon, я хотел бы добавить, что я обнаружил, что если я добавлю префикс каждого имени файла к дате создания, это будет очень полезно.
Для файлов .docx дату можно найти следующим образом:
unzip -p example.docx | grep dcterms:created |
grep -o [0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9] | head -1
Для файлов .doc:
antiword -x db example.doc | grep date | grep -o '[0-9-]*'
Для файлов .rtf:
grep -o '\\creatim\\yr[0-9]*\\mo[0-9]*\\dy[0-9]*' example.rtf |
grep -o [0-9]* | tr "\n" -