这是一个创建于 1706 天前的主题，其中的信息可能已经有所发展或是发生改变。
兄弟们，你们用什么
 | 1 aec4d 2021-02-11 11:34:24 +08:00 via iPhone 完全可以自己写，先得到哪些文件大小一样，将大小一样的文件计算 hash 第一步就排除大多数文件了 |
 | 2 redtea 2021-02-11 11:36:44 +08:00 dupeGuru |
 | 3 lianyue 2021-02-11 11:54:34 +08:00 via iPhone  4 先文件大小 然后 文件前 128k 的 md5 然后 文件尾 128k md5 然后文件中间 128k md5 基本上就 ok 了 最后有一个严格模式 前面都匹配了 就 文件全局 md5 |
 | 4 Osk 2021-02-11 12:01:59 +08:00 via Android 要不，用文件系统的去重功能 ，除了有点吃内存。。。 |
 | 5 glasswm 2021-02-11 12:11:23 +08:00 via Android |
 | 6 delectate 2021-02-11 12:13:47 +08:00 先看大小，大小一致再比较随机位置的随机长度的 md5 就可以了。 |
 | 7 imn1 2021-02-11 12:49:45 +08:00 文件查重还是文字查重？什么平台？ 文件几个 T 不是什么事，如果是经常要的，建议用带数据库的工具，hash 过一次的保留，下次不用重新 hash 文字的话，楼下回答，或者搜搜 |
 | 8 Overfill3641 2021-02-11 12:51:03 +08:00 via iPhone 2 检验快的算法又不是没有，天天 MD5 |
 | 9 wangxiaoaer 2021-02-11 12:55:17 +08:00 via iPhone 应该是文字内容查重，那些先拿文件大小判断的都可以退下了。 我 i 有个思路，先所有文件建立索引，然后按照文件的每一段作为关键字去搜，根据匹配度判断。 如果文件是专业性很强的，建索引的词库可能要定制。 |
| 10 wangxiaoaer 2021-02-11 12:56:11 +08:00 via iPhone @wangxiaoaer 当然，我 i 没干过，说的这个笨办法不知道可行性。 |
 | 11 cheng6563 2021-02-11 12:59:29 +08:00 via Android crc 就行了不用 md5 |
 | 12 jim9606 2021-02-11 15:19:45 +08:00 如果可以换文件系统，直接换 ZFS 或者 BtrFS，适合应对会不断新增数据的环境。 基于 hash 的软件有很多我就不列举了，就是没法在线去重。 |
 | 13 microka 2021-02-11 15:21:57 +08:00 几个 T 的文件是指几个 T 的单文件？还是总容量达几个 T 的若干多个小文件？ |
 | 14 hanyaguang OP 谢谢兄弟们 |
Select Language