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;
}
};