在系统中查找重复文件(python)

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：

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。

class Solution(object):
    def findDuplicate(self, paths):
        """
        :type paths: List[str]
        :rtype: List[List[str]]
        """
        #思路：定义一个map，其内保存的数据的key和value分别表示 内容 和 路径列表，最终将路径列表长度大于1的进行输出
        map_ = {}
        res = []
        
        for i in range(len(paths)):
            tmp = paths[i].split(' ')
            for j in range(1,len(tmp)):
                if tmp[j][tmp[j].index('('):len(tmp[j])-1] not in map_:
                    map_[tmp[j][tmp[j].index('('):len(tmp[j])-1]] = [tmp[0]+'/'+tmp[j][:tmp[j].index('(')]]
                else:
                    map_[tmp[j][tmp[j].index('('):len(tmp[j])-1]].append(tmp[0]+'/'+tmp[j][:tmp[j].index('(')])
                    
        return [k for k in map_.values() if len(k) > 1]

菜鸟一枚，代码仅供参考，如有问题，望指正~