157、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？

定义一个map用于存储路径文件对应的内容，定义一个time定义内容出现的次数（减少循环的次数），首先将所给的String数组进行处理，将路径和内容放进map中，需要注意的是以空格分隔过后内容可能不止一个，当然索引的0肯定是路径。

class Solution {
    public List<List<String>> findDuplicate(String[] paths) {
      List<List<String>> result = new ArrayList<>();
			Map<String, String> map = new HashMap<>();
			List<String> newpath = new ArrayList<>();
			Map<String, Integer> time = new HashMap<>();
	//		获取内容
			Set<String> content = new HashSet<>();
			for (int i = 0; i < paths.length; i++) {
				String temString = paths[i];
				String tem[] = temString.split(" ");
				System.out.println(Arrays.toString(tem));
				for (int j = 1; j < tem.length; j++) {
					String contents = tem[j].substring(tem[j].indexOf("(") + 1,tem[j].length() - 1);
					content.add(contents);
					String path = tem[0] + "/" + tem[j].substring(0,tem[j].indexOf("("));
					map.put(path, contents);
					time.put(contents, time.getOrDefault(contents, 0) + 1);
					newpath.add(path);
				}
			}
			for (int i = 0; i < newpath.size(); i++) {
				String tempath = newpath.get(i);
				List<String> list = new ArrayList<>();
				if(content.contains(map.get(tempath)) && time.get(map.get(tempath)) > 1){
					content.remove(map.get(tempath));
					String temcontent = map.get(tempath);
					for (int j = i; j < newpath.size(); j++) {
						if(map.get(newpath.get(j)).equals(temcontent)){
							list.add(newpath.get(j));
						}
					}
					if(list.size() >= 2){
						result.add(list);
					}
				}
			}
			return result;  
    }
}

其实可以换个思路：将内容作为key，value是所有路径的集合，那么这样就一个循环即可，代码：

class Solution {
    public List<List<String>> findDuplicate(String[] paths) {
 	List<List<String>> result = new ArrayList<>();
//			内容对应的是路径
			Map<String, List<String>> map = new HashMap<>();
			Map<String, Integer> time = new HashMap<>();
	//		获取内容
			Set<String> content = new HashSet<>();
			for (int i = 0; i < paths.length; i++) {
				String temString = paths[i];
//				tem[0]为路径，之后为内容
				String tem[] = temString.split(" ");
				System.out.println(Arrays.toString(tem));
				for (int j = 1; j < tem.length; j++) {
//					获取所有的内容,将内容作为key，value为路径的集合

					
//					文件名：
					int indexleft = tem[j].indexOf("(");
					String filename = tem[j].substring(0,indexleft);
					String filedire = tem[0] + "/" + filename;
					String filecontext = tem[j].substring(indexleft + 1,tem[j].length() - 1);
					if(!map.containsKey(filecontext)){
						map.put(filecontext, new ArrayList<>());
					}
					map.get(filecontext).add(filedire);
				}
			}
			for (Map.Entry<String, List<String>> tem : map.entrySet()) {
				if(tem.getValue().size() > 1){
					result.add(tem.getValue());
				}
			}
			return result;
    }
}