Hitta dubbletter av filer — samma byte betyder dubblett, oavsett vad namnet säger
Sök dubbla filer
Släpp in en batch med filer så hittar den här sidan de vars innehåll är identiskt byte för byte, i tre steg: ett storleksfilter (filer med olika storlek kan aldrig vara dubbletter), en SHA-256-gruppering av de kvarvarande och slutligen en fullständig jämförelse byte för byte som försäkring. Varje dubblettkluster visas med det utrymme det slösar, kryssrutor för de kopior som skulle tas bort och en CSV-kontrollista att ta med till filhanteraren. Två filer som heter photo.jpg med olika byte är inte dubbletter; två filer med olika namn och samma byte är det. Inget laddas upp.
1. Välj filer
Släpp filer här, eller klicka för att välja dem Upp till 50 filer, 200 MB vardera. Filerna stannar på den här datorn.
Inga filer valda.
2. Skanna
3. Dubblettkluster
Kluster av identiska filer visas här efter skanningen. Den första filen i varje kluster är förmarkerad som kopian att behålla.
En webbsida kan inte ta bort filerna — och ska inte. Kontrollistan som exporteras (namn, storlek, SHA-256, klusterets id) är tänkt att tillämpas i Utforskaren, Finder eller den filhanterare man väljer, där borttagningar syns och kan ångras. Integritet: hela skanningen körs lokalt; ingen fil eller digest lämnar fliken.
Vad är en dubblettfil?
En verklig dubblett är en fil vars varje byte är lika med en annan fils byte. Inte “samma namn” (copy.jpg från två kameror är olika foton), inte “samma storlek” (en miljon filer är 1 024 byte), inte “ser likadan ut” (en ompressad JPEG är en annan byteström). Bara innehållslikhet räknas — vilket också är varför skanningen är immun mot omdöpta kopior, omdaterade kopior och filer utspridda över olika mappar.
Så fungerar de tre stegen
Steg
Jämför
Kostnad
Varför
1 — storlek
filstorlek i byte
omedelbar (metadata)
olika storlek kan aldrig vara identisk; eliminerar oftast de flesta filer utan någon läsning
2 — SHA-256
fullständig innehållsdigest
en läsning per överlevande
samma digest för olika innehåll är beräkningsmässigt omöjligt
3 — byte
de faktiska byten
en extra läsning per par
försäkring: bevisar likhet utan att förlita sig på hashen alls
Förfiltreringen på storlek är inte någon optimeringsfiness — det är den som gör innehållsjämförelse överkomlig. En mapp med 5 000 foton kan innehålla 50 kluster, men bara några hundra filer når hashningssteget.
Vad den avsiktligt inte gör
Inga nära dubbletter: samma foto i två upplösningar eller två kvalitetsnivåer är olika byte och flaggas inte — det problemet kräver perceptuell bildhashning, vilket är ett annat verktyg. Ingen borttagning: en webbsida som tar bort filer på disken vore en säkerhetsbrist, inte en funktion; en kontrollista visas i stället. Ingen molntjänst: inget laddas upp, vilket också betyder att inget kan skannas utan att filerna läses.
Vanliga frågor
Varför är den första filen markerad “behåll”? — någon fil i klustret måste överleva; den första i urvalsordningen är ett deterministiskt, tråkigt val. Ändra vilken kryssruta som helst innan kontrollistan exporteras. Vad är “slösat utrymme”? — storleken på varje kopia utöver den första i sitt kluster, summerad över alla kluster: de byte man skulle få tillbaka genom att ta bort extrafilerna. Kan SHA-256 vara fel? — inte i praktiken: en kollision skulle kräva ett avsiktligt konstruerat par och har aldrig inträffat för SHA-256. Steg 3 tar bort även den teoretiska tvekan.
