兄弟们，你们用什么
This topic created in 2099 days ago, the information mentioned may be changed or developed.
 |
aec4dFeb 11, 2021 via iPhone
1
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
|
 |
redteaFeb 11, 2021
2
dupeGuru
|
 |
3
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
|
4 |
OskFeb 11, 2021 via Android
4
要不，用文件系统的去重功能 ，除了有点吃内存。。。
|
 |
glasswmFeb 11, 2021 via Android
5
|
 |
delectateFeb 11, 2021
6
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。
|
 |
imn1Feb 11, 2021
7
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 |
 |
8
检验快的算法又不是没有，天天 MD5
|
 |
wangxiaoaerFeb 11, 2021 via iPhone
9
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。 |
|
wangxiaoaerFeb 11, 2021 via iPhone
10
@wangxiaoaer 当然，我 i 没干过，说的这个笨办法不知道可行性。
|
 |
cheng6563Feb 11, 2021 via Android
11
crc 就行了不用 md5
|
 |
jim9606Feb 11, 2021
12
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。 |
 |
microkaFeb 11, 2021
13
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？
|
 |
14
谢谢兄弟们
|
Select Language