0609. 在系统中查找重复文件 · ttttt

# 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) <https://leetcode-cn.com/problems/find-duplicate-file-in-system/> ## 题目描述 ``` <pre class="calibre18">``` 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 ``` <pre class="calibre18">``` /** * @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 = `{% math %}{folder}/{% endmath %}{filename}`; if (!hashmap[content]) hashmap[content] = []; hashmap[content].push(fullname); } } return Object.values(hashmap).filter(q => q.length >= 2); }; ``` ```