# 0609. 在系統中查找重復文件 ## 題目地址(609. 在系統中查找重復文件) <https://leetcode-cn.com/problems/find-duplicate-file-in-system/> ## 題目描述 ``` <pre class="calibre18">``` 給定一個目錄信息列表，包括目錄路徑，以及該目錄中的所有包含內容的文件，您需要找到文件系統中的所有重復文件組的路徑。一組重復的文件至少包括二個具有完全相同內容的文件。 輸入列表中的單個目錄信息字符串的格式如下： "root/d1/d2/.../dm f1.txt(f1_content) f2.txt(f2_content) ... fn.txt(fn_content)" 這意味著有 n 個文件（f1.txt, f2.txt ... fn.txt 的內容分別是 f1_content, f2_content ... fn_content）在目錄 root/d1/d2/.../dm 下。注意：n>=1 且 m>=0。如果 m=0，則表示該目錄是根目錄。 該輸出是重復文件路徑組的列表。對于每個組，它包含具有相同內容的文件的所有文件路徑。文件路徑是具有下列格式的字符串： "directory_path/file_name.txt" 示例 1： 輸入： ["root/a 1.txt(abcd) 2.txt(efgh)", "root/c 3.txt(abcd)", "root/c/d 4.txt(efgh)", "root 4.txt(efgh)"] 輸出： [["root/a/2.txt","root/c/d/4.txt","root/4.txt"],["root/a/1.txt","root/c/3.txt"]] 注： 最終輸出不需要順序。 您可以假設目錄名、文件名和文件內容只有字母和數字，并且文件內容的長度在 [1，50] 的范圍內。 給定的文件數量在 [1，20000] 個范圍內。 您可以假設在同一目錄中沒有任何文件或目錄共享相同的名稱。 您可以假設每個給定的目錄信息代表一個唯一的目錄。目錄路徑和文件信息用一個空格分隔。 超越競賽的后續行動： 假設您有一個真正的文件系統，您將如何搜索文件？廣度搜索還是寬度搜索？ 如果文件內容非常大（GB級別），您將如何修改您的解決方案？ 如果每次只能讀取 1 kb 的文件，您將如何修改解決方案？ 修改后的解決方案的時間復雜度是多少？其中最耗時的部分和消耗內存的部分是什么？如何優化？ 如何確保您發現的重復文件不是誤報？ ``` ``` ## 前置知識 - 哈希表 ## 思路 思路就是hashtable去存儲，key為文件內容，value為fullfilename， 遍歷一遍去填充hashtable， 最后將hashtable中的值打印出來即可。 > 當且僅當有重復內容，我們才打印，因此我們需要過濾一下， 類似 filter(q => q.length >= 2) > > ## 關鍵點解析 - hashtable ## 代碼 ``` <pre class="calibre18">``` <span class="hljs-title">/** * @param {string[]} paths * @return {string[][]} */</span> <span class="hljs-keyword">var</span> findDuplicate = <span class="hljs-function"><span class="hljs-keyword">function</span>(<span class="hljs-params">paths</span>) </span>{ <span class="hljs-keyword">const</span> hashmap = {}; <span class="hljs-keyword">for</span> (<span class="hljs-keyword">let</span> path <span class="hljs-keyword">of</span> paths) { <span class="hljs-keyword">const</span> [folder, ...files] = path.split(<span class="hljs-string">" "</span>); <span class="hljs-keyword">for</span> (<span class="hljs-keyword">let</span> file <span class="hljs-keyword">of</span> files) { <span class="hljs-keyword">const</span> lpi = file.indexOf(<span class="hljs-string">"("</span>); <span class="hljs-keyword">const</span> rpi = file.lastIndexOf(<span class="hljs-string">")"</span>); <span class="hljs-keyword">const</span> filename = file.slice(<span class="hljs-params">0</span>, lpi); <span class="hljs-keyword">const</span> content = file.slice(lpi, rpi); <span class="hljs-keyword">const</span> fullname = <span class="hljs-string">`{% math %}{folder}/{% endmath %}{filename}`</span>; <span class="hljs-keyword">if</span> (!hashmap[content]) hashmap[content] = []; hashmap[content].push(fullname); } } <span class="hljs-keyword">return</span> <span class="hljs-params">Object</span>.values(hashmap).filter(q => q.length >= <span class="hljs-params">2</span>); }; ``` ```