Links

0609. 在系统中查找重复文件

题目地址(609. 在系统中查找重复文件)

题目描述

给定一个目录信息列表,包括目录路径,以及该目录中的所有包含内容的文件,您需要找到文件系统中的所有重复文件组的路径。一组重复的文件至少包括二个具有完全相同内容的文件。
输入列表中的单个目录信息字符串的格式如下:
"root/d1/d2/.../dm f1.txt(f1_content) f2.txt(f2_content) ... fn.txt(fn_content)"
这意味着有 n 个文件(f1.txt, f2.txt ... fn.txt 的内容分别是 f1_content, f2_content ... fn_content)在目录 root/d1/d2/.../dm 下。注意:n>=1 且 m>=0。如果 m=0,则表示该目录是根目录。
该输出是重复文件路径组的列表。对于每个组,它包含具有相同内容的文件的所有文件路径。文件路径是具有下列格式的字符串:
"directory_path/file_name.txt"
示例 1:
输入:
["root/a 1.txt(abcd) 2.txt(efgh)", "root/c 3.txt(abcd)", "root/c/d 4.txt(efgh)", "root 4.txt(efgh)"]
输出:
[["root/a/2.txt","root/c/d/4.txt","root/4.txt"],["root/a/1.txt","root/c/3.txt"]]
注:
最终输出不需要顺序。
您可以假设目录名、文件名和文件内容只有字母和数字,并且文件内容的长度在 [1,50] 的范围内。
给定的文件数量在 [1,20000] 个范围内。
您可以假设在同一目录中没有任何文件或目录共享相同的名称。
您可以假设每个给定的目录信息代表一个唯一的目录。目录路径和文件信息用一个空格分隔。
超越竞赛的后续行动:
假设您有一个真正的文件系统,您将如何搜索文件?广度搜索还是宽度搜索?
如果文件内容非常大(GB级别),您将如何修改您的解决方案?
如果每次只能读取 1 kb 的文件,您将如何修改解决方案?
修改后的解决方案的时间复杂度是多少?其中最耗时的部分和消耗内存的部分是什么?如何优化?
如何确保您发现的重复文件不是误报?

前置知识

  • 哈希表

思路

思路就是hashtable去存储,key为文件内容,value为fullfilename, 遍历一遍去填充hashtable, 最后将hashtable中的值打印出来即可。
当且仅当有重复内容,我们才打印,因此我们需要过滤一下, 类似 filter(q => q.length >= 2)

关键点解析

  • hashtable

代码

/**
* @param {string[]} paths
* @return {string[][]}
*/
var findDuplicate = function(paths) {
const hashmap = {};
for (let path of paths) {
const [folder, ...files] = path.split(" ");
for (let file of files) {
const lpi = file.indexOf("(");
const rpi = file.lastIndexOf(")");
const filename = file.slice(0, lpi);
const content = file.slice(lpi, rpi);
const fullname = `${folder}/${filename}`;
if (!hashmap[content]) hashmap[content] = [];
hashmap[content].push(fullname);
}
}
return Object.values(hashmap).filter(q => q.length >= 2);
};