Программа курса Урок 95 из 148 · Урок, который лжёт
Урок, который лжёт

Ложь 3: то же имя, тот же размер, тот же файл

Почему это важно За поиском дубликатов обычно следует удаление. Если он называет два разных файла "одинаковыми", чья-то работа пропадает, и ничто в выводе об этом не предупредило.

Подложенный совет: совет ниже написан для этого урока и намеренно неверен. Это ответ того рода, который ИИ-ассистент выдаёт гладко и уверенно. Ваша задача - не спорить с ним, а доказать изъян тестом.

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)

Довод о скорости реален: чтение каждого байта каждого файла - медленная часть. Но он отвечает на другой вопрос. Одинаковые имя и размер - дешёвый способ найти файлы, которые могут быть дубликатами. Сказать, что они ими являются, может только содержимое.

Подумайте, что бывает в настоящих папках: report.docx, сохранённый в двух папках проектов с разным текстом и случайно одинаковым размером; фото, скопированное и переименованное в IMG_0001 (copy).jpg; файл настроек, где отличается только один байт.

Фильтр кандидатов: дешёвая проверка, которая может исключить, но не может подтвердить. Размер - хороший фильтр: файлы разного размера не могут быть равны. Одинаковый размер значит лишь "стоит сравнить".

Твоя очередь

Напишите my_test(find_duplicates). Она получает версию функции и должна выбрасывать ошибку, если та нарушает правило. Файлы даются списком пар (path, data), где data - байты файла. Правила: два файла - дубликаты, когда их байты идентичны, какими бы ни были имена; вернуть список групп, каждая - отсортированный список путей 2 или более идентичных файлов, а сами группы отсортированы; файлы без дубликата не появляются. Порог прохождения: пройти на правильной версии и поймать не меньше 4 из 6 сломанных версий (подложенный совет - одна из них).

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.