☰

我將如何在 rsync 中排除除某些目錄和一種檔案類型之外的所有目錄？

tag-icon • tag-icon rsync
我將如何在 rsync 中排除除某些目錄和一種檔案類型之外的所有目錄？

對於 NLP 項目，我需要一份 Project Gutenberg 庫的副本。現在，該專案允許下載他們的文件，特別是如果它是出於鏡像目的（我計劃最終設置一個），但對於我的工作，我只需要當前文件的特定子集。

來源目錄的組織方式如下：

|
| - 1 - |
|       |- 1
|       |- 2
|       |...
| - 2
| .
| .
| .
| - 9
| - cache
| - retired
| ...

我唯一感興趣的目錄是編號的目錄，我唯一感興趣的文件類型是.txt，我也不想要以-8.txt或結尾的文件-h.txt，但我現在願意容忍它們。

到目前為止我已經嘗試過：

  • --include "*/" --include "*.txt" --exclude "cache" --exclude "images" --exclude "retired" --exclude "pg" --exclude "*-8.txt" --exclude "*"<- 這個仍然會拉入「快取」資料夾，因為它還包含一些.txt文件
  • --include "*/" --include "*.txt" -f'- *\-8.txt' -f'- *\-h.txt' -f'- cache/**' --exclude "cache" --exclude "images" --exclude "retired" --exclude "pg" --exclude "*"<- 或多或少是同一件事

問題似乎是這樣的：

  • 我需要排除一切，因為我需要的東西非常有限
  • 我包括編號目錄，因為這就是我所需要的
  • 包含*.txt會破壞先前的排除，因為其他目錄也包含文字檔案。

我該怎麼辦呢？

答案1

來自貼文 rsync - 排除除少數目錄之外的所有目錄，我引用的是 達裡爾·E·克拉克的回答:

一個簡單的過濾器就可以解決問題。使用正確的範例以先前的答案為基礎 - 明確包含父資料夾以及所有 (**) 子資料夾和檔案。然後排除其他一切。這是 filter.txt：

+ /include_this_dir/
+ /include_this_dir/**
+ /include_that_dir/
+ /include_that_dir/**
- /** With the command line:

rsync -av --dry-run --filter="merge filter.txt" source_dir/ dest_dir/

會導致：

sending incremental file list
created directory dest_dir
./
include_that_dir/
include_that_dir/somefile.txt
include_that_dir/subdir/
include_this_dir/

sent 202 bytes  received 65 bytes  534.00 bytes/sec
total size is 0  speedup is 0.00 (DRY RUN)

添加您的過濾器*.txt。

換句話說：先包含，然後再排除所有。

答案2

您可以將編號目錄與 glob 明確配對[0-9]/：

 -f'+ [0-9]/' \
 -f'- *-[8h].txt' \
 -f'+ *.txt' \
 -f'- *' \

如果數字高於 9，也許還可以添加-f'+ [0-9][0-9]/或-f'+ [0-9]*/就足夠了。

相關內容