python - Django 上传：丢弃上传的重复文件，使用现有文件（基于 md5 的检查）

Question

我有一个带有 的模型FileField，其中包含用户上传的文件。由于我想节省空间，我想避免重复。

我想达到的目标：

1. 计算上传文件的md5校验和
2. 用文件名根据文件的 md5sum存储文件
3. 如果已存在同名文件（新文件是重复文件），则丢弃上传的文件并改用现有文件

1和2已经在工作，但我怎么会忘记上传的副本并使用现有文件呢？

请注意，我想保留现有文件而不是覆盖它（主要是为了保持修改时间相同 - 更适合备份）。

笔记：

• 我正在使用 Django 1.5
• 上传处理程序是django.core.files.uploadhandler.TemporaryFileUploadHandler

代码：

def media_file_name(instance, filename):
    h = instance.md5sum
    basename, ext = os.path.splitext(filename)
    return os.path.join('mediafiles', h[0:1], h[1:2], h + ext.lower())

class Media(models.Model):
    orig_file = models.FileField(upload_to=media_file_name)
    md5sum = models.CharField(max_length=36)
    ...

    def save(self, *args, **kwargs):
            if not self.pk:  # file is new
                md5 = hashlib.md5()
                for chunk in self.orig_file.chunks():
                    md5.update(chunk)
                self.md5sum = md5.hexdigest()
            super(Media, self).save(*args, **kwargs)

任何帮助表示赞赏！

Answer 1

感谢 alTus 的回答，我发现编写自定义存储类是关键，而且比预期的要容易。

• _save如果文件已经存在，我只是省略调用超类方法来写入文件，我只是返回名称。
• get_available_name如果已经存在同名文件，我会覆盖，以避免将数字附加到文件名

我不知道这是否是正确的做法，但到​​目前为止效果很好。

希望这是有用的！

这是完整的示例代码：

import hashlib
import os

from django.core.files.storage import FileSystemStorage
from django.db import models

class MediaFileSystemStorage(FileSystemStorage):
    def get_available_name(self, name, max_length=None):
        if max_length and len(name) > max_length:
            raise(Exception("name's length is greater than max_length"))
        return name

    def _save(self, name, content):
        if self.exists(name):
            # if the file exists, do not call the superclasses _save method
            return name
        # if the file is new, DO call it
        return super(MediaFileSystemStorage, self)._save(name, content)


def media_file_name(instance, filename):
    h = instance.md5sum
    basename, ext = os.path.splitext(filename)
    return os.path.join('mediafiles', h[0:1], h[1:2], h + ext.lower())


class Media(models.Model):
    # use the custom storage class fo the FileField
    orig_file = models.FileField(
        upload_to=media_file_name, storage=MediaFileSystemStorage())
    md5sum = models.CharField(max_length=36)
    # ...

    def save(self, *args, **kwargs):
        if not self.pk:  # file is new
            md5 = hashlib.md5()
            for chunk in self.orig_file.chunks():
                md5.update(chunk)
            self.md5sum = md5.hexdigest()
        super(Media, self).save(*args, **kwargs)

Answer 2

AFAIK，您无法使用保存/删除方法轻松实现这一点，因为文件处理得非常特别。

但是你可以这样尝试。

首先，我的简单 md5 文件哈希函数：

def md5_for_file(chunks):
    md5 = hashlib.md5()
    for data in chunks:
        md5.update(data)
    return md5.hexdigest()

接下来simple_upload_to是像你的 media_file_name 函数一样的东西。你应该这样使用它：

def simple_upload_to(field_name, path='files'):
    def upload_to(instance, filename):
        name = md5_for_file(getattr(instance, field_name).chunks())
        dot_pos = filename.rfind('.')
        ext = filename[dot_pos:][:10].lower() if dot_pos > -1 else '.unknown'
        name += ext
        return os.path.join(path, name[:2], name)
    return upload_to

class Media(models.Model):
    # see info about storage below
    orig_file = models.FileField(upload_to=simple_upload_to('orig_file'), storage=MyCustomStorage())

当然，这只是一个示例，因此路径生成逻辑可能是多种多样的。

而最重要的部分：

from django.core.files.storage import FileSystemStorage

class MyCustomStorage(FileSystemStorage):
    def get_available_name(self, name):
        return name

    def _save(self, name, content):
        if self.exists(name):
            self.delete(name)
        return super(MyCustomStorage, self)._save(name, content)

如您所见，此自定义存储在保存之前会删除文件，然后以相同的名称保存新文件。因此，如果不删除（并因此更新）文件很重要，您可以在这里实现您的逻辑。

有关存储的更多信息，您可以在此处找到：https ://docs.djangoproject.com/en/1.5/ref/files/storage/

Answer 3

我有同样的问题，发现了这个 SO question。由于这并不少见，我在网上搜索并找到了以下 Python 包，它可以完全按照您的要求进行操作：

https://pypi.python.org/pypi/django-hashedfilenamestorage

如果 SHA1 哈希没有问题，我认为添加 MD5 哈希支持的拉取请求将是一个好主意。

Answer 4

数据来自模板 -> 表单 -> 视图 -> db(model)。尽早停止重复是有意义的。在这种情况下，forms.py。

# scripts.py
import hashlib
from .models import *
def generate_sha(file):
    sha = hashlib.sha1()
    file.seek(0)
    while True:
        buf = file.read(104857600)
        if not buf:
            break
        sha.update(buf)
    sha1 = sha.hexdigest()
    file.seek(0)
    return sha1

# models.py
class images(models.Model):
    label = models.CharField(max_length=21, blank=False, null=False)
    image = models.ImageField(upload_to='images/')
    image_sha1 = models.CharField(max_length=40, blank=False, null=False)
    create_time = models.DateTimeField(auto_now=True)

# forms.py
class imageForm(forms.Form):
    Label = forms.CharField(max_length=21, required=True)
    Image = forms.ImageField(required=True)

    def clean(self):
        cleaned_data = super(imageForm, self).clean()
        Label = cleaned_data.get('Label')
        Image = cleaned_data.get('Image')
        sha1 = generate_sha(Image)
        if images.objects.filter(image_sha1=sha1).exists():
            raise forms.ValidationError('This already exists')
        if not Label:
            raise forms.ValidationError('No Label')
        if not Image:
            raise forms.ValidationError('No Image')

# views.py
from .scripts import *
from .models import *
from .forms import *

def image(request):
    if request.method == 'POST':
        form = imageForm(request.POST, request.FILES)
        if form.is_valid():
            photo = images (
                payee=request.user,
                image=request.FILES['Image'],
                image_sha1=generate_sha(request.FILES['Image'],),
                label=form.cleaned_data.get('Label'),
                )
            photo.save()
            return render(request, 'stars/image_form.html', {'form' : form})
    else:
        form = imageForm()
    context = {'form': form,}
    return render(request, 'stars/image_form.html', context)

# image_form.html
{% extends "base.html" %}
{% load static %}
{% load staticfiles %}

{% block content %}

 <div class="card mx-auto shadow p-3 mb-5 bg-white rounded text-left" style="max-width: 50rem;">
    <div class="container">
        <form action="{% url 'wallet' %}" method="post" enctype="multipart/form-data">
            {% csrf_token %}
            {{ form  }}
            <input type="submit" value="Upload" class="btn btn-outlined-primary">
        </form>

        {% if form.errors %}
            {% for field in form %}
                {% for error in field.errors %}
                    <p> {{ error }} </p>
                {% endfor %}
            {% endfor %}
        {% endif %}

    </div>
</div>

{% endblock content %}  

参考：http: //josephmosby.com/2015/05/13/preventing-file-dupes-in-django.html

Answer 5

如果正在上传的文件已经存在，这个答案帮助我解决了我想引发异常的问题。如果上传位置中已存在同名文件，此版本会引发异常。

from django.core.files.storage import FileSystemStorage

class FailOnDuplicateFileSystemStorage(FileSystemStorage):
    def get_available_name(self, name):
        return name

    def _save(self, name, content):
        if self.exists(name):
            raise ValidationError('File already exists: %s' % name)

        return super(
            FailOnDuplicateFileSystemStorage, self)._save(name, content)