Mentira 3: mismo nombre, mismo tamaño, mismo archivo
Por qué importa A un buscador de duplicados suele seguirle un borrado. Si dice que dos archivos distintos son "el mismo", el trabajo de alguien desaparece, y nada en la salida le avisó.
Consejo plantado: el consejo de abajo se escribió para esta lección, y está mal a propósito. Es el tipo de respuesta que da un asistente de IA con fluidez y seguridad. Tu trabajo no es discutirlo, sino demostrar el fallo con una prueba.
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)
El argumento de la velocidad es real: leer cada byte de cada archivo es la parte lenta. Pero responde a otra pregunta. El mismo nombre y tamaño es una forma barata de encontrar archivos que podrían ser duplicados. Solo el contenido puede decir que lo son.
Piensa en lo que pasa en carpetas reales: report.docx guardado en dos carpetas de proyecto con texto distinto y, por casualidad, el mismo tamaño; una foto copiada y renombrada IMG_0001 (copy).jpg; un archivo de configuración en el que solo cambia un byte.
Filtro de candidatos: una comprobación barata que descarta cosas pero no puede confirmarlas. El tamaño es uno bueno: archivos de tamaños distintos no pueden ser iguales. Tamaños iguales solo significan "vale la pena compararlos".
Escribe my_test(find_duplicates). Recibe una versión de la función y debe lanzar un error si rompe una regla. Los archivos llegan como una lista de pares (path, data), donde data son los bytes del archivo. Las reglas: dos archivos son duplicados cuando sus bytes son idénticos, sean cuales sean sus nombres; devuelve una lista de grupos, cada uno una lista ordenada de las rutas de 2 o más archivos idénticos, y los grupos ordenados; los archivos sin duplicado no aparecen. Para aprobar: pasa con la versión correcta y atrapa al menos 4 de las 6 versiones rotas (el consejo plantado es una de ellas).
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.