問題描述

問題描述：

有很多文件夾，一個文件夾下有很多文件。目的是將每個文件夾的特徵提取出來，特徵規(guī)定是該文件夾下的一個或少量文件（名，內(nèi)容hash及相對位置）。有什麼較好的算法或策略來解決該問題嗎？

我想的是暴力求解，但這效率低下。直接把該文件夾下的文件與其它文件夾下所有的文件做比較，如果有相同的，則該文件夾的下一個文件又去比較其它所有的，如果不同，則說明這個文件可以表達出該文件夾的特征。然后每個文件夾都這么做。

統(tǒng)計方法。按順序?qū)⒚總€文件夾的文件排序，選最大最小及中位數(shù)文件來作每個文件夾的特徵。但會出現(xiàn)這麼個問題，兩個文件夾可能就只有一個或少量文件不同，使用這種策略會產(chǎn)生遺漏，無法準(zhǔn)確提取出所有文件夾的特徵。

因此，我希望是在既能保證效率又能保證準(zhǔn)確率的情況下來對這問題進行求解。希望各位表哥能隨便提提建議或意見，指導(dǎo)指導(dǎo)。thx。

問題解答

將當(dāng)前文件夾隨機取固定數(shù)目個文件，將他們的文件名、大小、修改時間、權(quán)限等組合起來做個哈希，然后判重，一般重復(fù)率是不會很高的，因為即使文件名和大小一樣，修改時間一般是不一樣的。