Hledání duplicitních souborů — stejné bajty znamenají duplicitu, bez ohledu na název
Hledání duplicitních souborů
Vložte dávku souborů a tato stránka najde soubory, jejichž obsah je bajt po bajtu shodný, ve třech průchodech: filtr velikosti (soubory různých velikostí nemohou být duplicitní), seskupení přeživších podle SHA-256 a závěrečné úplné porovnání bajtů jako pojistka. Dostanete každý shluk duplicit s místem, které plýtvá, zaškrtávací políčka pro kopie, které byste smazali, a kontrolní seznam CSV k použití ve správci souborů. Dva soubory pojmenované photo.jpg s různými bajty nejsou duplicity; dva soubory s různými názvy a stejnými bajty jsou. Nic se nenahrává.
1. Výběr souborů
Sem přetáhněte soubory, nebo klikněte a vyberte je Až 50 souborů, každý do 200 MB. Soubory zůstávají na tomto počítači.
Nejsou vybrány žádné soubory.
2. Sken
3. Shluky duplicit
Shluky shodných souborů se zobrazí po skenu. První soubor každého shluku je předem označen jako kopie k ponechání.
Stránka v prohlížeči nemůže mazat vaše soubory — a ani by neměla. Exportovaný kontrolní seznam (název, velikost, SHA-256, id shluku) se má použít v Průzkumníku, Finderu nebo ve vašem správci souborů, kde jsou smazání vidět a dají se vrátit. Soukromí: celý sken běží lokálně; žádný soubor ani digest tuto kartu neopustí.
Co je duplicitní soubor?
Skutečný duplikát je soubor, jehož každý bajt se rovná bajtům jiného souboru. Ne „stejný název“ (copy.jpg ze dvou fotoaparátů jsou různé fotografie), ne „stejná velikost“ (milion souborů má 1 024 bajtů), ne „vypadá stejně“ (znovu uložený JPEG je jiný proud bajtů). Počítá se jen shoda obsahu — proto je sken odolný vůči přejmenovaným kopiím, kopiím s jiným datem i souborům rozeseným do různých složek.
Jak fungují tři průchody
Průchod
Porovnává
Náklad
Proč
1 — velikost
velikost souboru v bajtech
okamžitě (metadata)
různá velikost nemůže být shodná; obvykle vyřadí většinu souborů bez jakéhokoli čtení
2 — SHA-256
digest celého obsahu
jedno čtení na přeživší
stejný digest pro různý obsah je výpočetně neproveditelný
3 — bajty
skutečné bajty
jedno další čtení na dvojici
pojistka: prokáže shodu bez spoléhání na hash
Předběžný průchod podle velikosti není optimalizace navíc — právě on činí porovnání obsahu dostupným. Složka s 5 000 fotografiemi může obsahovat 50 shluků, ale do fáze hashování se dostane jen několik set souborů.
Co záměrně nedělá
Žádné téměř duplicity: stejná fotografie ve dvou rozlišeních nebo dvou úrovních kvality má jiné bajty a není označena — to je úloha pro perceptuální hashování obrázků, což je jiný nástroj. Žádné mazání: webová stránka, která by na vašem disku mazala soubory, by byla bezpečnostní chyba, nikoli funkce; místo toho dostanete kontrolní seznam. Žádný cloud: nic se nenahrává, což také znamená, že nic nelze prohledat, aniž by se vaše soubory četly.
Často kladené otázky
Proč je první soubor označen „ponechat“? — některý soubor ve shluku musí přežít; první podle pořadí výběru je deterministická, nudná volba. Před exportem kontrolního seznamu můžete libovolné políčko změnit. Co je „plýtvané místo“? — velikost každé kopie za prvním souborem v jejím shluku, sečtená přes všechny shluky: bajty, které získáte zpět smazáním přebytků. Může být SHA-256 chybný? — v praxi ne: kolize by vyžadovala cíleně vytvořenou dvojici a u SHA-256 nikdy nenastala. Průchod 3 odstraní i tuto teoretickou pochybnost.
