V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
hanyaguang
V2EX  ›  问与答

几个 T 的文件查重怎么搞,有哪些软件快

  •  
  •   hanyaguang · 2021-02-11 10:58:40 +08:00 · 2780 次点击
    这是一个创建于 1379 天前的主题,其中的信息可能已经有所发展或是发生改变。
    兄弟们,你们用什么
    14 条回复    2021-02-12 22:32:39 +08:00
    aec4d
        1
    aec4d  
       2021-02-11 11:34:24 +08:00 via iPhone
    完全可以自己写,先得到哪些文件大小一样,将大小一样的文件计算 hash 第一步就排除大多数文件了
    redtea
        2
    redtea  
       2021-02-11 11:36:44 +08:00
    dupeGuru
    lianyue
        3
    lianyue  
       2021-02-11 11:54:34 +08:00 via iPhone   ❤️ 4
    先文件大小 然后 文件前 128k 的 md5 然后 文件尾 128k md5 然后文件中间 128k md5 基本上就 ok 了 最后有一个严格模式 前面都匹配了 就 文件全局 md5
    Osk
        4
    Osk  
       2021-02-11 12:01:59 +08:00 via Android
    要不,用文件系统的去重功能 ,除了有点吃内存。。。
    glasswm
        5
    glasswm  
       2021-02-11 12:11:23 +08:00 via Android
    delectate
        6
    delectate  
       2021-02-11 12:13:47 +08:00
    先看大小,大小一致再比较随机位置的随机长度的 md5 就可以了。
    imn1
        7
    imn1  
       2021-02-11 12:49:45 +08:00
    文件查重还是文字查重?什么平台?
    文件几个 T 不是什么事,如果是经常要查的,建议用带数据库的工具,hash 过一次的保留,下次不用重新 hash
    文字的话,楼下回答,或者搜搜
    v2tudnew
        8
    v2tudnew  
       2021-02-11 12:51:03 +08:00 via iPhone   ❤️ 2
    检验快的算法又不是没有,天天 MD5
    wangxiaoaer
        9
    wangxiaoaer  
       2021-02-11 12:55:17 +08:00 via iPhone
    应该是文字内容查重,那些先拿文件大小判断的都可以退下了。

    我 i 有个思路,先所有文件建立索引,然后按照文件的每一段作为关键字去搜,根据匹配度判断。

    如果文件是专业性很强的,建索引的词库可能要定制。
    wangxiaoaer
        10
    wangxiaoaer  
       2021-02-11 12:56:11 +08:00 via iPhone
    @wangxiaoaer 当然,我 i 没干过,说的这个笨办法不知道可行性。
    cheng6563
        11
    cheng6563  
       2021-02-11 12:59:29 +08:00 via Android
    crc 就行了不用 md5
    jim9606
        12
    jim9606  
       2021-02-11 15:19:45 +08:00
    如果可以换文件系统,直接换 ZFS 或者 BtrFS,适合应对会不断新增数据的环境。
    基于 hash 的软件有很多我就不列举了,就是没法在线去重。
    microka
        13
    microka  
       2021-02-11 15:21:57 +08:00
    几个 T 的文件是指几个 T 的单文件?还是总容量达几个 T 的若干多个小文件?
    hanyaguang
        14
    hanyaguang  
    OP
       2021-02-12 22:32:39 +08:00
    谢谢兄弟们
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5858 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 31ms · UTC 02:03 · PVG 10:03 · LAX 18:03 · JFK 21:03
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.