如何在Matlab中筛选≥1GB的重复文件并写入Excel？

原脚本可检测指定目录下所有重复文件，现在调整为只处理大小≥1GB的文件，并将这类重复文件的信息导出到Excel，同时优化了原脚本的低效逻辑和拼写错误。

修改后的完整代码 #

root = 'C:\Users\19108\Documents';
% 获取目录下所有文件（含子目录），排除文件夹
dirlist = dir(fullfile(root, '**\*.*'));
filelist = dirlist(~[dirlist.isdir]);

% 定义1GB的字节数（按二进制计算：1024^3），若需十进制1GB可改为1e9
oneGB = 1024^3;
% 筛选出大小≥1GB的文件
large_files = filelist([filelist.bytes] >= oneGB);
if isempty(large_files)
    disp('没有找到大小≥1GB的文件');
    return;
end

% 提取文件名用于检测重复
names = {large_files.name};
% 获取唯一文件名、分组索引及重复次数
[unique_names, ~, idx] = unique(names, 'stable');
dup_mask = histcounts(idx) >= 2;
dup_names = unique_names(dup_mask);

% 收集所有重复的大文件信息
dup_file_list = [];
for name = dup_names
    file_indices = find(strcmp(names, name{1}));
    dup_file_list = [dup_file_list; large_files(file_indices)];
end

% 转换为表格并添加分组标识
dup_table = struct2table(dup_file_list);
[~, group_id] = findgroups(dup_table.name);
dup_table.GroupID = group_id;

% 写入Excel文件，可替换为自定义文件名
output_file = '大文件重复检测结果.xlsx';
writetable(dup_table, output_file);
disp(['结果已写入：', output_file]);

关键修改说明 #

• 大小筛选：新增oneGB变量定义，直接过滤出字节数达标文件，减少无效计算
• 效率优化：用unique+histcounts替代原脚本的双重循环，文件数量多时性能提升显著
• 错误修复：修正原脚本中name(i)的拼写错误（应为names(i)）
• 分组标识：新增GroupID列，同一组重复文件会有相同ID，方便Excel中查看关联项
• 空值处理：如果没有符合条件的大文件，直接提示并退出，避免后续报错

内容的提问来源于stack exchange，提问作者Rookie_Programmer