シラバス レッスン 148 中 95 · うそをつくレッスン
うそをつくレッスン

うそ 3:同じ名前、同じ大きさ、同じファイル

なぜ大切か 重複を探す道具のあとには、たいてい削除が続きます。2 つの違うファイルを「同じ」と呼べば誰かの作業が消え、出力の何もそれを警告しませんでした。

仕込まれた助言:下の助言はこのレッスンのために書かれ、わざと間違えています。AI のアシスタントが流暢に自信を持って出すような答えです。あなたの仕事は助言と議論することではなく、テストで欠陥を証明することです。

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)

速さの議論は本物です。すべてのファイルのすべてのバイトを読むのが遅い部分です。でも、それは別の問いに答えています。同じ名前と大きさは、重複 かもしれない ファイルを見つける安いやり方です。重複だと言えるのは中身だけです。

本物のフォルダで起こることを考えてください。2 つのプロジェクトのフォルダに保存された、文章が違い、たまたま大きさが同じ report.docx。コピーされて IMG_0001 (copy).jpg に名前が変わった写真。1 バイトだけ違う設定のファイル。

候補のフィルター:除外はできても、確定はできない安い確認です。大きさは良いフィルターです。大きさの違うファイルは等しくなりえません。大きさが等しいのは「比べる価値がある」というだけです。

あなたの番

my_test(find_duplicates) を書いてください。関数のある版を受け取り、それが規則を破るなら例外を出さなければなりません。ファイルは (path, data) の組のリストとして渡され、data はファイルのバイトです。規則:2 つのファイルは、名前にかかわらず、バイトが同一なら重複。グループのリストを返し、それぞれは 2 つ以上の同一のファイルのパスを並べたリストで、グループも並べる。重複のないファイルは現れない。合格の基準:正しい版を通し、6 つの壊れた版のうち少なくとも 4 つを捕まえる(仕込まれた助言はそのひとつです)。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

この演習はまもなく開きます

その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。