1. 題目

給定一個目錄信息列表，包括目錄路徑，以及該目錄中的所有包含內容的文件，您需要找到文件系統中的所有重復文件組的路徑。
一組重復的文件至少包括二個具有完全相同內容的文件。

輸入列表中的單個目錄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)"

這意味著有 n 個文件（f1.txt, f2.txt ... fn.txt 的內容分別是 f1_content, f2_content ... fn_content）在目錄 root/d1/d2/.../dm 下。注意：n>=1 且 m>=0。如果 m=0，則表示該目錄是根目錄。

該輸出是重復文件路徑組的列表。
對于每個組，它包含具有相同內容的文件的所有文件路徑。
文件路徑是具有下列格式的字符串：

"directory_path/file_name.txt" 示例 1： 輸入： ["root/a 1.txt(abcd) 2.txt(efgh)", "root/c 3.txt(abcd)", "root/c/d 4.txt(efgh)", "root 4.txt(efgh)"] 輸出： [["root/a/2.txt","root/c/d/4.txt","root/4.txt"],["root/a/1.txt","root/c/3.txt"]]注： 最終輸出不需要順序。 您可以假設目錄名、文件名和文件內容只有字母和數字，并且文件內容的長度在 [1，50] 的范圍內。 給定的文件數量在 [1，20000] 個范圍內。 您可以假設在同一目錄中沒有任何文件或目錄共享相同的名稱。 您可以假設每個給定的目錄信息代表一個唯一的目錄。目錄路徑和文件信息用一個空格分隔。超越競賽的后續行動：假設您有一個真正的文件系統，您將如何搜索文件？廣度搜索還是寬度搜索？ 如果文件內容非常大（GB級別），您將如何修改您的解決方案？ 如果每次只能讀取 1 kb 的文件，您將如何修改解決方案？ 修改后的解決方案的時間復雜度是多少？ 其中最耗時的部分和消耗內存的部分是什么？如何優化？ 如何確保您發現的重復文件不是誤報？

來源：力扣（LeetCode）
鏈接：https://leetcode-cn.com/problems/find-duplicate-file-in-system
著作權歸領扣網絡所有。商業轉載請聯系官方授權，非商業轉載請注明出處。

2. 解題

class Solution { // C++ public:vector<vector<string>> findDuplicate(vector<string>& paths) {unordered_map<string, unordered_set<string>> m;//文件內容, 文件路徑集合string content, path, file;for(auto& p : paths) {content = path = file = "";int i = p.find(' ');path = p.substr(0,i)+"/";//路徑bool foundcontent = false;for(i++; i < p.size(); ++i){if(p[i] == '('){foundcontent = true;continue;}if(p[i] == ')'){m[content].insert(path+file);//記錄內容包含的路徑文件foundcontent = false;content = file = "";i++;//跳過空格continue;}if(!foundcontent)file += p[i];elsecontent += p[i];}}vector<vector<string>> ans;for(auto& mi : m){if(mi.second.size() >= 2)ans.push_back(vector<string>(mi.second.begin(), mi.second.end()));}return ans;} };

212 ms 36.1 MB

class Solution:# py3def findDuplicate(self, paths: List[str]) -> List[List[str]]:m = {};for p in paths:i = p.find(' ')content, path, file = "","",""path = p[0:i]+'/'foundcontent = Falsei += 1while i < len(p):if p[i]=='(':foundcontent = Truei += 1continueif p[i]==')':if content not in m:m[content] = set()m[content].add(path+file)foundcontent = Falsecontent, file = "", ""i += 2continueif not foundcontent:file += p[i]else:content += p[i]i += 1ans = []for content in m:if len(m[content]) >= 2:ans.append(list(m[content]))return ans

332 ms 25.7 MB

總結

以上是生活随笔為你收集整理的LeetCode 609. 在系统中查找重复文件（哈希）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。