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;
}
}