Công cụ tìm tệp trùng — cùng byte nghĩa là trùng, bất kể tên là gì
Tìm tệp trùng
Thả một loạt tệp vào và trang này tìm các tệp có nội dung giống hệt từng byte, qua ba bước: lọc theo kích thước (tệp khác kích thước không bao giờ có thể trùng), nhóm SHA-256 các tệp còn lại, và cuối cùng so sánh đầy đủ từng byte như bảo hiểm. Bạn nhận được từng cụm trùng cùng dung lượng bị lãng phí, các ô đánh dấu cho những bản bạn muốn xóa, và một danh sách kiểm tra CSV để mang sang trình quản lý tệp. Hai tệp tên photo.jpg nhưng khác byte thì không phải trùng; hai tệp khác tên nhưng cùng byte thì có. Không có gì được tải lên.
1. Chọn tệp
Thả tệp vào đây, hoặc nhấn để chọn Tối đa 50 tệp, mỗi tệp 200 MB. Các tệp vẫn ở trên máy này.
Chưa chọn tệp nào.
2. Quét
3. Các cụm trùng
Các cụm tệp giống hệt sẽ hiển thị ở đây sau khi quét. Tệp đầu tiên của mỗi cụm được đánh dấu sẵn là bản giữ lại.
Một trang trình duyệt không thể xóa tệp của bạn — và không nên làm vậy. Danh sách kiểm tra bạn xuất (tên, kích thước, SHA-256, mã cụm) được dùng để áp dụng trong Explorer, Finder hoặc trình quản lý tệp bạn chọn, nơi việc xóa được nhìn thấy và có thể hoàn tác. Quyền riêng tư: toàn bộ quá trình quét chạy cục bộ; không tệp hay digest nào rời khỏi tab này.
Tệp trùng là gì?
Một tệp trùng thật là tệp mà mọi byte đều bằng byte của một tệp khác. Không phải “cùng tên” (copy.jpg từ hai máy ảnh là hai bức ảnh khác nhau), không phải “cùng kích thước” (một triệu tệp đều là 1.024 byte), không phải “trông giống” (một JPEG lưu lại là một dòng byte khác). Chỉ sự bằng nhau về nội dung mới được tính — đó cũng là lý do quét không bị ảnh hưởng bởi bản sao đổi tên, bản sao đổi ngày, hoặc tệp nằm rải rác ở các thư mục khác nhau.
Ba bước hoạt động thế nào
Bước
So sánh
Chi phí
Vì sao
1 — kích thước
kích thước tệp tính bằng byte
tức thì (siêu dữ liệu)
kích thước khác nhau không bao giờ giống hệt; thường loại bỏ hầu hết tệp mà không cần đọc
2 — SHA-256
digest toàn bộ nội dung
một lần đọc cho mỗi tệp còn lại
cùng digest cho nội dung khác nhau là không khả thi về mặt tính toán
3 — byte
các byte thật
thêm một lần đọc cho mỗi cặp
bảo hiểm: chứng minh sự bằng nhau mà không dựa vào hash
Bước tiền lọc kích thước không phải là một tối ưu nhỏ — nó là thứ làm cho so sánh nội dung khả thi về chi phí. Một thư mục 5.000 ảnh có thể chứa 50 cụm, nhưng chỉ vài trăm tệp đi đến giai đoạn băm.
Những gì nó cố ý không làm
Không tìm gần trùng: cùng một ảnh ở hai độ phân giải hoặc hai mức chất lượng là các byte khác nhau và không được đánh dấu — vấn đề đó cần băm ảnh theo cảm nhận, một công cụ khác. Không xóa: một trang web xóa tệp trên đĩa của bạn sẽ là lỗi bảo mật, không phải tính năng; thay vào đó bạn nhận được danh sách kiểm tra. Không đám mây: không có gì được tải lên, nghĩa là cũng không có gì được quét mà không đọc tệp của bạn.
Hỏi đáp
Vì sao tệp đầu tiên được đánh dấu “giữ”? — một tệp nào đó trong cụm phải được giữ lại; tệp đầu tiên theo thứ tự chọn là một lựa chọn xác định và nhàm chán. Hãy đổi bất kỳ ô nào trước khi xuất danh sách kiểm tra. “Dung lượng bị lãng phí” là gì? — kích thước của mọi bản sao vượt quá bản đầu tiên trong cụm, cộng lại trên mọi cụm: số byte bạn sẽ lấy lại được nếu xóa các bản thừa. SHA-256 có thể sai không? — trên thực tế là không: một va chạm cần một cặp được thiết kế có chủ đích và chưa từng xảy ra với SHA-256. Bước 3 loại bỏ cả nghi ngờ lý thuyết đó.
