강의 계획 레슨 148개 중 95번째 · 거짓말하는 레슨
거짓말하는 레슨

거짓말 3: 같은 이름, 같은 크기, 같은 파일

왜 중요한가 중복 찾기 뒤에는 보통 지우기가 따라와요. 서로 다른 두 파일을 "같다"고 하면 누군가의 작업이 사라지고, 출력의 어떤 것도 경고하지 않았어요.

심어 둔 조언: 아래 조언은 이 레슨을 위해 쓴 것이고, 일부러 틀려요. AI 도우미가 유창하고 자신 있게 주는 종류의 답이에요. 여러분의 일은 그것과 논쟁하는 게 아니라 테스트로 결함을 증명하는 거예요.

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)

속도 논리는 진짜예요: 모든 파일의 모든 바이트를 읽는 게 느린 부분이에요. 하지만 다른 질문에 답하고 있어요. 같은 이름과 크기는 중복일 수도 있는 파일을 찾는 값싼 방법이에요. 내용만이 그렇다고 말할 수 있어요.

실제 폴더에서 일어나는 일을 생각해 보세요: 두 프로젝트 폴더에 저장된, 글은 다르고 우연히 크기가 같은 report.docx. 복사해서 IMG_0001 (copy).jpg로 이름을 바꾼 사진. 한 바이트만 다른 설정 파일.

후보 필터: 무언가를 배제할 수는 있지만 포함할 수는 없는 값싼 확인. 크기가 좋은 예예요: 크기가 다른 파일은 같을 수 없어요. 크기가 같다는 건 "비교할 가치가 있다"는 뜻일 뿐이에요.

내 차례

my_test(find_duplicates)를 쓰세요. 함수의 한 버전을 받고, 그게 규칙을 어기면 예외를 일으켜야 해요. 파일은 (path, data) 쌍의 리스트로 주어지고, data는 파일의 바이트예요. 규칙: 두 파일은 이름이 무엇이든 바이트가 똑같으면 중복이에요. 묶음의 리스트를 반환하고, 각 묶음은 똑같은 파일 2개 이상의 경로를 정렬한 리스트이며, 묶음도 정렬해요. 중복이 없는 파일은 나타나지 않아요. 통과 기준: 올바른 버전은 통과하고 망가진 버전 6개 중 적어도 4개를 잡으세요(심어 둔 조언이 그중 하나예요).

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.