如何查找并删除空.box文件及其关联的Tesseract训练文件？

当然可以实现这个需求，以下是不同操作系统下的具体实现方法：

Linux/macOS 环境 #

用一行shell命令即可完成批量处理：

find . -type f -name "*.box" -empty | while read boxfile; do
    prefix="${boxfile%.box}"
    rm -f "$boxfile" "${prefix}.gt.txt" "${prefix}.tif"
done

命令说明： #

• find . -type f -name "*.box" -empty：检索当前目录及子目录下所有大小为0的.box空文件
• while read boxfile：逐个处理找到的空.box文件
• prefix="${boxfile%.box}"：提取文件的基础名称（去掉.box后缀）
• rm -f：强制删除目标文件，即使关联的.gt.txt或.tif文件不存在也不会抛出错误

Windows 环境 #

方法1：批处理脚本（保存为clean_empty_box.bat） #

@echo off
setlocal enabledelayedexpansion

for %%f in (*.box) do (
    if %%~zf equ 0 (
        set "prefix=%%~nf"
        del "%%f"
        del "!prefix!.gt.txt"
        del "!prefix!.tif"
    )
)

endlocal

方法2：PowerShell 命令 #

直接在PowerShell窗口中执行：

Get-ChildItem -Filter *.box | Where-Object { $_.Length -eq 0 } | ForEach-Object {
    $prefix = $_.BaseName
    Remove-Item $_.FullName -Force
    Remove-Item "$prefix.gt.txt" -Force -ErrorAction SilentlyContinue
    Remove-Item "$prefix.tif" -Force -ErrorAction SilentlyContinue
}

Windows 方案说明： #

• 两种方法都会遍历当前目录下的.box文件，筛选出空文件后，删除该文件及其同名前缀的.gt.txt和.tif文件
• -ErrorAction SilentlyContinue（PowerShell）和批处理的del命令默认行为，都会忽略“文件不存在”的错误，避免中断批量处理

内容的提问来源于stack exchange，提问作者Dellu