PigyChan_LeetCode 609. 在系统中查找重复文件

609. 在系统中查找重复文件

难度中等

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：
1. 最终输出不需要顺序。
2. 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。
3. 给定的文件数量在 [1，20000] 个范围内。
4. 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。
5. 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：
1. 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？
2. 如果文件内容非常大（GB级别），您将如何修改您的解决方案？
3. 如果每次只能读取 1 kb 的文件，您将如何修改解决方案？
4. 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？
5. 如何确保您发现的重复文件不是误报？

思路1.0：

与题目"面试题 10.02. 变位词组"类似，哈希表map<string,int>pair 来记录各类字符在结果二维数组ans中的下标。这道题特别的就是对字符串的处理不太一样。

在考虑到该题的特殊条件“ 至少包括二个具有完全相同内容的文件”，
将哈希表改为：map<string,struct{int,string}>所以出现第一个content时将其存入struct的string中，在第二次出现时才将其插入结果数组ans中。

代码1.0：

struct Info {
    int index;
    string firstVal;
    Info() :index(0), firstVal("") {}
    Info(int a, string b) :index(a), firstVal(b) {}
};


class Solution {
public:
    vector<vector<string>> findDuplicate(vector<string>& paths) {
        int len = paths.size();
        if (len == 0)return {};


        vector<vector<string>>ans;
        vector<vector<string>>Ans;
        map<string, Info> pair;
        int idx = 0;
        // " 2.txt(efgh)"
        for (auto& i:paths) {
            int time = count(i.begin(), i.end(), ' ');      //该字符串中有几个内容
                            
            auto space = find(i.begin(), i.end(), ' ');     //第一个空格
            string path = string(i.begin(), space);         //路径名  
            i.erase(i.begin(), space);
            for (int k = 0; k < time; ++k) {
                auto be = find(i.begin(), i.end(), '(');
                auto en = find(i.begin(), i.end(), ')');
                string content(be + 1, en);


                space = find(i.begin(), i.end(), ' ');
                *space = '/';


                string name = string(i.begin(), be);


                i.erase(i.begin(), en + 1);


                //如果找到该键
                if (pair.find(content) != pair.end()) {
                    //第二次加入
                    if (pair[content].firstVal!="") {
                        vector<string> rst;
                        rst.push_back(pair[content].firstVal);
                        rst.push_back(path + name);
                        ans.push_back(rst);
                        pair[content].firstVal = "";
                        pair[content].index = idx++;
                    }
                    //其他次加入
                    else if (pair[content].firstVal == "") {
                        ans[pair[content].index].push_back(path + name);
                    }
                }
                //如果没找到该键，那就是首次加入
                else {
                    pair[content] = Info(-1, path + name);
                }
            }


        }


        return ans;
    }
};