Leugen 3: dezelfde naam, dezelfde grootte, hetzelfde bestand
Waarom dit ertoe doet Een duplicate finder wordt meestal gevolgd door een verwijdering. Als het twee verschillende bestanden "hetzelfde" noemt, is iemands werk weg en gaf niets in de output een waarschuwing.
Geplant advies: het advies hieronder is geschreven voor deze les, en het is expres fout. Het is het soort antwoord dat een AI assistent vloeiend en zelfverzekerd geeft. Jouw taak is niet om er tegen te discussiëren maar om de fout aan te tonen met een test.
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)
Het snelheid argument is echt: het lezen van elke byte van elk bestand is het trage deel. Maar het beantwoordt een andere vraag. Dezelfde naam en grootte is een goedkope manier om bestanden te vinden die might duplicaten zijn. Alleen de inhoud kan dat zeggen.
Denk na over wat er gebeurt in echte mappen: report.docx opgeslagen in twee projectmappen met verschillende tekst en, toevallig, dezelfde grootte; een foto gekopieerd en hernoemd IMG_0001 (copy).jpg; een config bestand waar slechts één byte verschilt.
Candidate filter: een goedkope check die dingen uitsluit maar niet bevestigt. Grootte is een goede: bestanden van verschillende groottes kunnen niet gelijk zijn. Gelijke groottes betekenen alleen "waardevol om te vergelijken".
Schrijf my_test(find_duplicates). Het ontvangt een versie van de functie en moet een fout geven als het een regel overtreedt. Bestanden worden gegeven als een lijst van (path, data) paren, waarbij data de bytes van het bestand is. De regels: twee bestanden zijn duplicaten wanneer hun bytes identiek zijn, ongeacht hun namen; retourneer een lijst van groepen, elke groep is een gesorteerde lijst van de paden van 2 of meer identieke bestanden, en de groepen zijn gesorteerd; bestanden zonder duplicaat verschijnen niet. Slaagdrempel: geef de juiste versie door en vang ten minste 4 van de 6 kapotte versies op (het geplante advies is er een van).
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.