1. 题目
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?
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/find-duplicate-file-in-system
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
2. 解题
class Solution { // C++
public:
vector<vector<string>> findDuplicate(vector<string>& paths) {
unordered_map<string, unordered_set<string>> m;
//文件内容, 文件路径集合
string content, path, file;
for(auto& p : paths)
{
content = path = file = "";
int i = p.find(' ');
path = p.substr(0,i)+"/";//路径
bool foundcontent = false;
for(i++; i < p.size(); ++i)
{
if(p[i] == '(')
{
foundcontent = true;
continue;
}
if(p[i] == ')')
{
m[content].insert(path+file);//记录内容包含的路径文件
foundcontent = false;
content = file = "";
i++;//跳过空格
continue;
}
if(!foundcontent)
file += p[i];
else
content += p[i];
}
}
vector<vector<string>> ans;
for(auto& mi : m)
{
if(mi.second.size() >= 2)
ans.push_back(vector<string>(mi.second.begin(), mi.second.end()));
}
return ans;
}
};
212 ms 36.1 MB
class Solution:# py3
def findDuplicate(self, paths: List[str]) -> List[List[str]]:
m = {};
for p in paths:
i = p.find(' ')
content, path, file = "","",""
path = p[0:i]+'/'
foundcontent = False
i += 1
while i < len(p):
if p[i]=='(':
foundcontent = True
i += 1
continue
if p[i]==')':
if content not in m:
m[content] = set()
m[content].add(path+file)
foundcontent = False
content, file = "", ""
i += 2
continue
if not foundcontent:
file += p[i]
else:
content += p[i]
i += 1
ans = []
for content in m:
if len(m[content]) >= 2:
ans.append(list(m[content]))
return ans
332 ms 25.7 MB