Duplicaatbestandszoeker — dezelfde bytes betekent duplicaat, wat de naam ook zegt
Duplicaatbestandszoeker
Zet een batch bestanden neer en deze pagina vindt de bestanden waarvan de inhoud byte-voor-byte identiek is, in drie stappen: een grootte-filter (bestanden van verschillende grootte kunnen nooit duplicaten zijn), een SHA-256-groepering van de overgeblevenen, en een laatste volledige bytevergelijking als zekerheid. U krijgt elk duplicaatcluster met de ruimte die het verspilt, selectievakjes voor de kopieën die u zou verwijderen, en een CSV-controlelijst om mee naar uw bestandsbeheer te nemen. Twee bestanden met de naam photo.jpg met verschillende bytes zijn geen duplicaten; twee bestanden met verschillende namen en dezelfde bytes wel. Er wordt niets geüpload.
1. Bestanden kiezen
Zet bestanden hier neer, of klik om ze te kiezen Tot 50 bestanden, elk 200 MB. De bestanden blijven op deze computer.
Geen bestanden geselecteerd.
2. Scannen
3. Duplicaatclusters
Clusters van identieke bestanden verschijnen hier na de scan. Het eerste bestand van elk cluster is vooraf gemarkeerd als de kopie om te bewaren.
Een browserpagina kan uw bestanden niet verwijderen — en dat hoort ook niet. De controlelijst die u exporteert (naam, grootte, SHA-256, cluster-id) is bedoeld om in Verkenner, Finder of uw bestandsbeheer naar keuze te worden toegepast, waar verwijderingen zichtbaar en ongedaan te maken zijn. Privacy: de hele scan draait lokaal; geen bestand of digest verlaat dit tabblad.
Wat is een duplicaatbestand?
Een echt duplicaat is een bestand waarvan elke byte gelijk is aan de bytes van een ander bestand. Niet “dezelfde naam” (copy.jpg van twee camera's zijn verschillende foto's), niet “dezelfde grootte” (een miljoen bestanden zijn 1.024 bytes), niet “ziet er hetzelfde uit” (een opnieuw opgeslagen JPEG is een andere bytestroom). Alleen gelijkheid van inhoud telt — en daarom is de scan ook immuun voor hernoemde kopieën, opnieuw gedateerde kopieën en bestanden verspreid over verschillende mappen.
Hoe de drie stappen werken
Stap
Vergelijkt
Kosten
Waarom
1 — grootte
bestandsgrootte in bytes
direct (metadata)
een andere grootte kan nooit identiek zijn; elimineert meestal de meeste bestanden zonder enige lezing
2 — SHA-256
digest van de volledige inhoud
één lezing per overgebleven bestand
dezelfde digest voor verschillende inhoud is rekenkundig onhaalbaar
3 — bytes
de werkelijke bytes
één extra lezing per paar
zekerheid: bewijst gelijkheid zonder op de hash te vertrouwen
De voorafgaande grootteronde is geen optimalisatie-detail — zij maakt inhoudsvergelijking betaalbaar. Een map met 5.000 foto's kan 50 clusters bevatten, maar slechts een paar honderd bestanden komen ooit in de hashfase.
Wat het bewust niet doet
Geen bijna-duplicaten: dezelfde foto in twee resoluties of twee kwaliteitsniveaus zijn verschillende bytes en worden niet gemarkeerd — dat probleem vraagt om perceptuele beeldhashing, een ander hulpmiddel. Geen verwijdering: een webpagina die bestanden op uw schijf verwijdert zou een beveiligingsfout zijn, geen functie; u krijgt in plaats daarvan de controlelijst. Geen cloud: er wordt niets geüpload, wat ook betekent dat niets kan worden gescand zonder dat uw bestanden worden gelezen.
Veelgestelde vragen
Waarom staat het eerste bestand als “bewaren”? — ergens in het cluster moet een bestand overleven; het eerste in de selectievolgorde is een deterministische, saaie keuze. Wijzig een selectievakje voordat u de controlelijst exporteert. Wat is “verspilde ruimte”? — de grootte van elke kopie na de eerste in zijn cluster, opgeteld over alle clusters: de bytes die u terugkrijgt door de extra's te verwijderen. Kan SHA-256 fout zijn? — in de praktijk niet: een botsing zou een opzettelijk ontworpen paar vereisen en is voor SHA-256 nooit voorgekomen. Stap 3 neemt zelfs die theoretische twijfel weg.
