Buscador de archivos duplicados — mismos bytes significa duplicado, sea cual sea el nombre
Buscador de archivos duplicados
Suelte un lote de archivos y la página encuentra aquellos cuyo contenido es idéntico byte a byte, en tres pasadas: un filtro de tamaño (archivos de tamaños distintos nunca pueden ser duplicados), una agrupación SHA-256 de los supervivientes y, como seguro final, una comparación completa de bytes. Obtiene cada grupo de duplicados con el espacio que desperdicia, casillas para las copias que eliminaría y una lista de comprobación CSV que llevar a su gestor de archivos. Dos archivos llamados foto.jpg con bytes distintos no son duplicados; dos archivos con nombres distintos y los mismos bytes sí lo son. No se sube nada.
1. Elija los archivos
Suelte aquí los archivos, o haga clic para elegirlos Hasta 50 archivos, 200 MB cada uno. Los archivos permanecen en este equipo.
No hay archivos seleccionados.
2. Analizar
3. Grupos de duplicados
Aquí aparecen, tras el análisis, los grupos de archivos idénticos. El primer archivo de cada grupo está marcado previamente como la copia que se conserva.
Una página web no puede eliminar sus archivos — y no debe hacerlo. La lista de comprobación que exporta (nombre, tamaño, SHA-256, id de grupo) está pensada para aplicarse en el Explorador, en Finder o en el gestor de archivos que prefiera, donde las eliminaciones son visibles y reversibles. Privacidad: todo el análisis se ejecuta localmente; ningún archivo ni resumen sale de esta pestaña.
¿Qué es un archivo duplicado?
Un duplicado verdadero es un archivo cuyos bytes son todos iguales a los de otro archivo. No es «mismo nombre» (copia.jpg de dos cámaras son fotos distintas), ni «mismo tamaño» (un millón de archivos miden 1024 bytes), ni «se ve igual» (un JPEG guardado de nuevo es otro flujo de bytes). Solo cuenta la igualdad de contenido, y por eso el análisis es inmune a las copias renombradas, a las copias con otra fecha y a los archivos repartidos en carpetas distintas.
Cómo funcionan las tres pasadas
Pasada
Compara
Coste
Por qué
1 — tamaño
tamaño del archivo en bytes
instantáneo (metadatos)
un tamaño distinto nunca puede ser idéntico; normalmente elimina la mayoría de los archivos sin leer nada
2 — SHA-256
resumen del contenido completo
una lectura por superviviente
que dos contenidos distintos den el mismo resumen es computacionalmente inviable
3 — bytes
los bytes reales
una lectura adicional por pareja
seguro: demuestra la igualdad sin depender del hash en absoluto
La pasada previa por tamaño no es un detalle de optimización: es lo que hace asequible comparar contenidos. Una carpeta de 5000 fotos puede contener 50 grupos, pero solo unos pocos cientos de archivos llegan a la fase de cálculo de hash.
Lo que deliberadamente no hace
Sin casi duplicados: la misma foto en dos resoluciones o dos niveles de calidad son bytes distintos y no se marcan; ese problema requiere un hash perceptual de imágenes, que es otra herramienta. Sin eliminación: que una página web borre archivos de su disco sería un fallo de seguridad, no una función; en su lugar obtiene la lista de comprobación. Sin nube: no se sube nada, lo que también significa que nada puede analizarse sin que se lean sus archivos.
Preguntas frecuentes
¿Por qué el primer archivo está marcado como «conservar»? — algún archivo del grupo debe sobrevivir; el primero según el orden de selección es una elección determinista y sencilla. Cambie cualquier casilla antes de exportar la lista de comprobación. ¿Qué es el «espacio desperdiciado»? — el tamaño de cada copia más allá de la primera de su grupo, sumado en todos los grupos: los bytes que recuperaría eliminando las copias sobrantes. ¿Puede fallar SHA-256? — no en la práctica: una colisión necesitaría un par diseñado a propósito y nunca se ha producido con SHA-256. La tercera pasada elimina incluso esa duda teórica.
