Kaksoiskappaleiden etsijä — sama sisältö tarkoittaa kaksoiskappaletta, nimestä riippumatta
Kaksoiskappaleiden tiedostohaku
Pudota tiedostoerä tähän, ja tämä sivu löytää ne, joiden sisältö on tavu tavulta identtinen, kolmessa vaiheessa: kokoseulonta (eri kokoiset tiedostot eivät voi olla kaksoiskappaleita), jäljelle jääneiden SHA-256-ryhmittely ja lopuksi täydellinen tavuvertailu vakuutuksena.
Saadaan jokaisen kaksoiskappaleryhmän ja sen hukkaan menevän tilan, valintaruudut kopioille, jotka haluaisit poistaa, sekä CSV-tarkistuslistan tiedostonhallintaasi varten. Kaksi tiedostoa nimeltä photo.jpg eri tavuilla eivät ole kaksoiskappaleita; kaksi eri nimistä tiedostoa samoilla tavuilla ovat. Mitään ei ladata ylös.
1. Valitse tiedostot
Pudota tiedostot tähäntai napsauta valitakseen ne Enintään 50 tiedostoa, 200 MB kukin. Tiedostot pysyvät tällä koneella.
Tiedostoja ei ole valittu.
2. Skannaa
3. Kaksoiskappaleryhmät
Identtisten tiedostojen ryhmät näkyvät tässä skannauksen jälkeen. Kunkin ryhmän ensimmäinen tiedosto on valmiiksi merkitty säilytettäväksi kopioksi.
Selainsivu ei voi poistaa tiedostojasi — eikä sen pidä. Viemäsi tarkistuslista (nimi, koko, SHA-256, ryhmätunnus) on tarkoitettu sovellettavaksi Resurssienhallinnassa, Finderissa tai valitsemassasi tiedostonhallinnassa, jossa poistot näkyvät ja ne voi kumota.
Yksityisyys: koko skannaus tapahtuu paikallisesti; mikään tiedosto tai tiiviste ei poistu tästä välilehdestä.
Mikä on kaksoiskappale?
Todellinen kaksoiskappale on tiedosto, jonka jokainen tavu vastaa toisen tiedoston tavuja. Ei ”sama nimi” (copy.jpg kahdesta kamerasta on eri kuvia), ei ”sama koko” (miljoona tiedostoa on 1 024 tavua), ei ”näyttää samalta” (uudelleen tallennettu JPEG on eri tavuvirta). Vain sisällön yhtäsuuruus lasketaan — ja siksi skannaus kestää uudelleen nimettyjä kopioita, uudelleen päivättyjä kopioita ja tiedostoja, jotka ovat hajallaan eri kansioissa.
Miten kolme vaihetta toimivat
Vaihe
Vertaa
Kustannus
Miksi
1 — koko
tiedoston koko tavuina
välitön (metatieto)
eri koko ei voi olla identtinen; poistaa tyypillisesti suurimman osan tiedostoista lukematta niitä
2 — SHA-256
koko sisällön tiiviste
yksi luku jäljellä olevaa kohti
sama tiiviste eri sisällölle on laskennallisesti mahdoton
3 — tavut
todelliset tavut
yksi ylimääräinen luku paria kohti
vakuutus: todistaa yhtäsuuruuden luottamatta lainkaan tiivisteeseen
Kokoesiseulonta ei ole optimoinnin hienous — se tekee sisältövertailusta edullisen. Viiden tuhannen kuvan kansiossa voi olla 50 ryhmää, mutta vain muutama sata tiedostoa päätyy tiivistevaiheeseen.
Mitä se tarkoituksella ei tee
Ei lähes-kaksoiskappaleita: sama kuva kahdella resoluutiolla tai kahdella laatutasolla on eri tavuja eikä sitä merkitä — tähän ongelmaan tarvitaan havaintotiivisteitä, mikä on eri työkalu. Ei poistamista: verkkosivu, joka poistaa tiedostoja levyltäsi, olisi tietoturvavirhe, ei ominaisuus; saadaan sen sijaan tarkistuslistan. Ei pilveä: mitään ei ladata ylös, mikä tarkoittaa myös, ettei mitään voi skannata lukematta tiedostojasi.
UKK
Miksi ensimmäinen tiedosto on merkitty ”säilytä”? — jonkin ryhmän tiedoston on selvittävä; ensimmäinen valinnan järjestyksessä on määrätty ja tylsä valinta. Vaihda mikä tahansa valintaruutu ennen tarkistuslistan vientiä. Mikä on ”hukkaan mennyt tila”? — jokaisen kopion koko ensimmäisen jälkeen kunkin ryhmän sisällä, laskettuna yhteen kaikista ryhmistä: tavut, jotka saisit takaisin poistamalla ylimääräiset. Voiko SHA-256 olla väärässä? — ei käytännössä: törmäys vaatisi tarkoituksella suunniteltua paria, eikä sellaista ole koskaan tapahtunut SHA-256:lle. Vaihe 3 poistaa silti senkin teoreettisen epäilyn.
