leetcode 609. 在系统中查找重复文件
Posted zhanzq
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了leetcode 609. 在系统中查找重复文件相关的知识,希望对你有一定的参考价值。
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:
- 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?
解法:
class Solution
public:
void parse(string& s, unordered_map<string, vector<string>>& mp)
int sz = s.size();
int i = 0;
while(i < sz && s[i] != ' ')
i++;
string dir = s.substr(0, i);
i++;
int j = i;
while(i < sz)
while(j < sz && s[j] != ' ')
j++;
int l = i;
while(l < j && s[l] != '(')
l++;
string fname = s.substr(i, l - i);
l++;
int r = l;
while(r < sz && s[r] != ')')
r++;
string content = s.substr(l, r-l);
if(mp.find(content) == mp.end())
mp[content] = dir + "/" + fname;
else
mp[content].push_back(dir + "/" + fname);
j++;
i = j;
vector<vector<string>> findDuplicate(vector<string>& paths)
unordered_map<string, vector<string>> mp;
for(string path : paths)
parse(path, mp);
vector<vector<string>> res;
for(auto it : mp)
if(it.second.size() > 1)
res.push_back(it.second);
return res;
;
以上是关于leetcode 609. 在系统中查找重复文件的主要内容,如果未能解决你的问题,请参考以下文章