Duplikált fájlkereső — azonos bájtok jelentik az azonosságot, bármit mond is a név
Duplikált fájlok keresője
Fájlcsomag bedobható, és az oldal megtalálja azokat, amelyek tartalma bájtról bájtra azonos, három lépésben: méretszűrő (különböző méretű fájlok sosem lehetnek duplikátumok), a megmaradt fájlok SHA-256 szerinti csoportosítása, és végül egy teljes bájtösszehasonlítás biztosítékként. Minden duplikátumcsoporthoz megkapja a pazarolt helyet, jelölőnégyzeteket a törölhető példányokhoz, és egy CSV-ellenőrzőlistát a fájlkezelőhöz. Két, photo.jpg nevű fájl, amelyek bájtjai eltérnek, nem duplikátumok; két, különböző nevű, azonos bájtú fájl igen. Semmi nem töltődik fel.
1. Fájlok kiválasztása
Fájlok ide húzhatók, vagy kattintással választható ki Legfeljebb 50 fájl, fájlonként 200 MB. A fájlok ezen a gépen maradnak.
Nincs kiválasztott fájl.
2. Vizsgálat
3. Duplikátumcsoportok
A vizsgálat után itt jelennek meg az azonos fájlok csoportjai. Minden csoport első fájlja előre meg van jelölve megtartandó példányként.
A böngészőben futó oldal nem törölheti a fájljait — és nem is szabad. Az exportált ellenőrzőlistát (név, méret, SHA-256, csoportazonosító) az Intézőben, a Finderben vagy a választott fájlkezelőben kell alkalmazni, ahol a törlések láthatók és visszavonhatók.
Adatvédelem: a teljes vizsgálat helyben fut; sem fájl, sem kivonat nem hagyja el ezt a lapot.
Mi az a duplikált fájl?
Valódi duplikátum az a fájl, amelynek minden bájtja megegyezik egy másik fájl bájtjaival. Nem „azonos név” (két fényképezőgép copy.jpg fájlja különböző fotó), nem „azonos méret” (egymillió fájl 1024 bájtos), nem „úgy néz ki” (az újramentett JPEG más bájtfolyam). Csak a tartalmi egyezés számít — ezért a vizsgálat immunis az átnevezett másolatokra, az újradátumozott másolatokra és a különböző mappákba szórt fájlokra is.
Hogyan működik a három lépés
Lépés
Összehasonlít
Költség
Miért
1 — méret
fájlméret bájtban
azonnali (metaadat)
különböző méret sosem lehet azonos; jellemzően olvasás nélkül kiszűri a fájlok nagy részét
2 — SHA-256
teljes tartalom kivonata
egy olvasás a megmaradt fájlonként
különböző tartalomhoz azonos kivonat számítási szempontból kivitelezhetetlen
3 — bájtok
a tényleges bájtok
egy extra olvasás páronként
biztosíték: az egyenlőséget a kivonattól függetlenül bizonyítja
A méretszűrő előzetes lépés nem optimalizálási finomság — ez teszi megfizethetővé a tartalmi összehasonlítást. 5000 fotót tartalmazó mappában lehet 50 csoport, de csak néhány száz fájl jut el a kivonatolási szakaszig.
Amit szándékosan nem csinál
Nincsenek közel-duplikátumok: ugyanaz a fotó két felbontásban vagy két minőségi szinten eltérő bájtokat ad, és nincs megjelölve — ehhez észlelési képkivonatolás kell, ami egy másik eszköz. Nincs törlés: egy weboldal, amely fájlokat töröl a lemezen, biztonsági hiba lenne, nem funkció; helyette az ellenőrzőlista jár. Nincs felhő: semmi nem töltődik fel, ami azt is jelenti, hogy semmit nem lehet átvizsgálni anélkül, hogy a fájljait beolvasnák.
GYIK
Miért van az első fájl „megtartás” jelölésű? — a csoport valamelyik fájljának túl kell élnie; a kiválasztási sorrend szerint első egy determinisztikus, unalmas választás. Az ellenőrzőlista exportálása előtt bármelyik jelölőnégyzet megváltoztatható. Mi az a „pazarolt hely”? — minden csoportbeli példány mérete az elsőn túl, összegezve az összes csoportra: a bájtok, amelyeket a többletek törlésével visszanyerne. Lehet hibás a SHA-256? — a gyakorlatban nem: ütközéshez gondosan tervezett pár kellene, és a SHA-256-nál ez soha nem fordult elő. A 3. lépés még az elméleti kétséget is eloszlatja.
