الكذبة 3: نفس الاسم، نفس الحجم، نفس الملف
لماذا هذا مهم عادة ما يتبع أداة البحث عن الملفات المكررة عملية حذف. إذا اعتبرت الأداة ملفين مختلفين كأنهما "نفس الملف"، فسيضيع عمل شخص ما، ولن يحذرهم أي شيء في المخرجات.
نصيحة مزروعة: النصيحة أدناه كتبت لهذا الدرس، وهي خاطئة عن قصد. هذا هو نوع الإجابة التي يقدمها مساعد ذكاء اصطناعي بطلاقة وثقة. وظيفتك ليست الجدال معه بل إثبات الخلل باختبار.
import os
# Hashing every file is slow. Two files with the same name and the same size
# are the same file in practice, so group on that.
def find_duplicates(files):
groups = {}
for path, data in files:
groups.setdefault((os.path.basename(path), len(data)), []).append(path)
return sorted(sorted(g) for g in groups.values() if len(g) > 1)
حجة السرعة حقيقية: قراءة كل بايت من كل ملف هو الجزء البطيء. لكنها تجيب على سؤال مختلف. الاسم والحجم نفسهما هما طريقة رخيصة للعثور على الملفات التي might تكون مكررة. المحتوى فقط يمكنه أن يؤكد ذلك.
فكر فيما يحدث في المجلدات الحقيقية: report.docx محفوظ في مجلدين لمشروعين بنصوص مختلفة، وبمحض الصدفة، بنفس الحجم؛ صورة تم نسخها وإعادة تسميتها IMG_0001 (copy).jpg؛ ملف config حيث يختلف فيه بايت واحد فقط.
مرشح المرشحين: فحص رخيص يستبعد الأشياء لكنه لا يؤكدها. الحجم خيار جيد: الملفات ذات الأحجام المختلفة لا يمكن أن تكون متساوية. الأحجام المتساوية تعني فقط "تستحق المقارنة".
اكتب my_test(find_duplicates). تستقبل الدالة نسخة من الوظيفة ويجب أن ترفع خطأ إذا خالفت قاعدة. تُعطى الملفات كقائمة من أزواج (path, data)، حيث data هي بايتات الملف. القواعد: الملفان متكرران عندما تكون بايتاتهما متطابقة، بغض النظر عن أسمائهما؛ أعد قائمة من المجموعات، كل مجموعة هي قائمة مرتبة من مسارات ملفين أو أكثر متطابقين، والمجموعات مرتبة؛ الملفات التي ليس لها تكرار لا تظهر. عتبة النجاح: مرر النسخة الصحيحة والتقط 4 على الأقل من النسخ الست المعطوبة (النصيحة المزروعة هي إحداها).
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.