Ricerca file duplicati — stessi byte significano duplicato, qualunque sia il nome
Ricerca file duplicati
Trascini un gruppo di file e la pagina trova quelli il cui contenuto è identico byte per byte, in tre passaggi: un filtro per dimensione (file di dimensioni diverse non possono mai essere duplicati), un raggruppamento SHA-256 dei superstiti e un confronto finale completo dei byte come garanzia. Ottiene ogni gruppo di duplicati con lo spazio che spreca, caselle di controllo per le copie che eliminerebbe e una checklist CSV da portare nel suo gestore di file. Due file chiamati foto.jpg con byte diversi non sono duplicati; due file con nomi diversi e gli stessi byte lo sono. Non viene caricato nulla.
1. Scelga i file
Trascini qui i file, oppure faccia clic per sceglierli Fino a 50 file, 200 MB ciascuno. I file restano su questo computer.
Nessun file selezionato.
2. Analisi
3. Gruppi di duplicati
I gruppi di file identici compaiono qui dopo l'analisi. Il primo file di ogni gruppo è preselezionato come copia da conservare.
Una pagina del browser non può eliminare i suoi file — e non dovrebbe. La checklist che esporta (nome, dimensione, SHA-256, id del gruppo) è pensata per essere applicata in Esplora risorse, nel Finder o nel gestore di file che preferisce, dove le eliminazioni sono visibili e reversibili. Privacy: l'intera analisi viene eseguita localmente; nessun file né impronta esce da questa scheda.
Che cos'è un file duplicato?
Un vero duplicato è un file in cui ogni byte è uguale ai byte di un altro file. Non è «stesso nome» (copy.jpg di due fotocamere sono foto diverse), non è «stessa dimensione» (un milione di file misurano 1.024 byte), non è «sembra uguale» (un JPEG salvato di nuovo è un flusso di byte diverso). Conta solo l'uguaglianza del contenuto — ed è anche il motivo per cui l'analisi è immune alle copie rinominate, alle copie con data modificata e ai file sparsi in cartelle diverse.
Come funzionano i tre passaggi
Passaggio
Confronta
Costo
Perché
1 — dimensione
dimensione del file in byte
immediato (metadati)
una dimensione diversa non può mai essere identica; di solito elimina la maggior parte dei file senza leggerne nessuno
2 — SHA-256
impronta del contenuto completo
una lettura per superstite
la stessa impronta per contenuti diversi è computazionalmente impraticabile
3 — byte
i byte effettivi
una lettura extra per coppia
garanzia: dimostra l'uguaglianza senza affidarsi affatto all'hash
Il pre-passaggio per dimensione non è un'ottimizzazione secondaria — è ciò che rende economico il confronto dei contenuti. Una cartella di 5.000 foto può contenere 50 gruppi, ma solo poche centinaia di file arrivano alla fase di hashing.
Che cosa non fa deliberatamente
Nessun quasi-duplicato: la stessa foto con due risoluzioni o due livelli di qualità sono byte diversi e non vengono segnalati — quel problema richiede un hash percettivo delle immagini, che è un altro strumento. Nessuna eliminazione: una pagina web che elimina file sul suo disco sarebbe un difetto di sicurezza, non una funzione; ottiene invece la checklist. Nessun cloud: non viene caricato nulla, il che significa anche che nulla può essere analizzato senza che i suoi file vengano letti.
Domande frequenti
Perché il primo file è contrassegnato «conserva»? — un file del gruppo deve sopravvivere; il primo nell'ordine di selezione è una scelta deterministica e noiosa. Modifichi qualsiasi casella prima di esportare la checklist. Che cos'è lo «spazio sprecato»? — la dimensione di ogni copia oltre la prima nel suo gruppo, sommata su tutti i gruppi: i byte che recupererebbe eliminando le copie in più. SHA-256 può sbagliare? — non in pratica: una collisione richiederebbe una coppia costruita deliberatamente, e per SHA-256 non si è mai verificata. Il terzo passaggio elimina anche questo dubbio teorico.
