TNotes.leetcode

Appearance

⏰0609. 在系统中查找重复文件【中等】

0609. 在系统中查找重复文件【中等】 ​

1. 📝 题目描述 ​

给你一个目录信息列表 paths，包括目录路径，以及该目录中的所有文件及其内容，请你按路径返回文件系统中的所有重复文件。答案可按 任意顺序 返回。

一组重复的文件至少包括 两个 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，在目录 root/d1/d2/.../dm 下，有 n 个文件 ( f1.txt, f2.txt ... fn.txt ) 的内容分别是 ( f1_content, f2_content ... fn_content )。注意：n >= 1 且 m >= 0。如果 m = 0，则表示该目录是根目录。

输出 是由 重复文件路径组 构成的列表。其中每个组由所有具有相同内容文件的文件路径组成。文件路径是具有下列格式的字符串：

  • "directory_path/file_name.txt"

示例 1：

txt
输入：paths = ["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"]
]

示例 2：

txt
输入：paths = ["root/a 1.txt(abcd) 2.txt(efgh)","root/c 3.txt(abcd)","root/c/d 4.txt(efgh)"]
输出：[
  ["root/a/2.txt","root/c/d/4.txt"],
  ["root/a/1.txt","root/c/3.txt"]
]

提示：

  • 1 <= paths.length <= 2 * 10^4
  • 1 <= paths[i].length <= 3000
  • 1 <= sum(paths[i].length) <= 5 * 10^5
  • paths[i] 由英文字母、数字、字符 '/'、'.'、'('、')' 和 ' ' 组成
  • 你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。
  • 你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单个空格分隔。

进阶：

  • 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？

2. 🎯 s.1 - 哈希表 ​

js
/**
 * @param {string[]} paths
 * @return {string[][]}
 */
var findDuplicate = function (paths) {
  const map = new Map()
  for (const path of paths) {
    const parts = path.split(' ')
    const dir = parts[0]
    for (let i = 1; i < parts.length; i++) {
      const idx = parts[i].indexOf('(')
      const file = parts[i].substring(0, idx)
      const content = parts[i].substring(idx + 1, parts[i].length - 1)
      if (!map.has(content)) map.set(content, [])
      map.get(content).push(`${dir}/${file}`)
    }
  }
  const res = []
  for (const files of map.values()) {
    if (files.length > 1) res.push(files)
  }
  return res
}
py
class Solution:
    def findDuplicate(self, paths: List[str]) -> List[List[str]]:
        content_map = defaultdict(list)
        for path in paths:
            parts = path.split(' ')
            directory = parts[0]
            for i in range(1, len(parts)):
                idx = parts[i].index('(')
                file = parts[i][:idx]
                content = parts[i][idx + 1:-1]
                content_map[content].append(f'{directory}/{file}')
        return [files for files in content_map.values() if len(files) > 1]
  • 时间复杂度：O(n×k)，其中 n 是文件总数，k 是文件内容平均长度
  • 空间复杂度：O(n×k)

算法思路：

  • 用哈希表以文件内容为 key，文件路径列表为 value
  • 遍历所有路径，解析目录、文件名和内容，按内容分组
  • 返回包含多个文件路径的分组