遍历目录删除指定MD5值的文件

　　工作需要实现一个查找出指定目录下md5值与excel表格中md5值相同的文件然后删掉的功能。我是这样做的：首先遍历指定目录，计算该目录下所有文件的md5值，以文件路径为key，md5值为value保存到一个字典中；然后读取excel表格中的md5，查看字典中的value是否包含该md5，如果包含，则删除对应文件。以下是具体实现代码：　　

#coding:utf-8

from hashlib import md5
import os,time,sys
import xlrd
import os
 
md5dic = {}
#读取Excel表中的md5值
def readXls(fname):
    xls = xlrd.open_workbook(fname)
    sheet_name = xls.sheet_names()
    shxrange = range(xls.nsheets)

    try:
        sh = xls.sheet_by_name(sheet_name[0])
    except:
        print "no sheet existed"
    #获取行数
    nrows = sh.nrows
    #获取列数
    ncols = sh.ncols
    #print "nrows %d, ncols %d" % (nrows,ncols)
    #获取第一行第一列数据 
    cell_value = sh.cell_value(1,1)
    #print cell_value
     
    row_list = []
    #获取各行数据
    for i in range(1,nrows):
        row_data = sh.row_values(i)[0]
        #print row_data
        row_list.append(row_data)
    md5list = list(set(row_list))
    return md5list

def calMD5(str):
  m = md5()
  m.update(str)
  return m.hexdigest() 
   
#获取指定文件的md5值  
def calMD5ForFile(file):
  m = md5()
  a_file = open(file, 'rb')
  m.update(a_file.read())
  a_file.close()
  return m.hexdigest()
 
#获取指定目录下文件的md5值保存到字典中 
def calMD5ForFolder(dir):
    for root, subdirs, files in os.walk(dir):
        for file in files:
            filefullpath = os.path.join(root,file)
            filerelpath = os.path.relpath(filefullpath,dir)
            md5 = calMD5ForFile(filefullpath)            
            md5dic[filefullpath] = md5
    return md5dic
            
#删除与excel表中md5值相同的文件
def delFile(filemd5,md5dic):                
    for filefullpath in md5dic.keys():
        if md5dic[filefullpath] == filemd5:
            os.remove(filefullpath)
            print filemd5,filefullpath

if __name__ == "__main__":
    if len(sys.argv) < 3:
        print "Please input the file path."
        sys.exit()
    xlsdir = sys.argv[1]
    sourceDir = sys.argv[2]
    if os.path.exists(sourceDir)==False:
        print "path not exists"
    if os.path.isdir(sourceDir)==False:
        print "not a directory"
    md5dic = calMD5ForFolder(sourceDir)
    md5list = readXls(xlsdir)
    for i in md5list:
        delFile(i,md5dic)

 　　不足之处：在进行目录遍历，计算文件md5的时候花费的时间比较多。如果能利用多线程，就可以大大提高效率。