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：
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：
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 * 1041 <= paths[i].length <= 30001 <= sum(paths[i].length) <= 5 * 105paths[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？
解法
方法一：哈希表
我们创建哈希表 d，其中键是文件内容，值是具有相同内容的文件路径列表。
遍历 paths，我们处理出每个文件的路径和内容，然后将其添加到哈希表 d 中。
最后，我们返回哈希表 d 中所有具有多个文件路径的值。
时间复杂度 $O(n)$，空间复杂度 $O(n)$。其中 $n$ 为 paths 的长度。
| class Solution:
def findDuplicate(self, paths: List[str]) -> List[List[str]]:
d = defaultdict(list)
for p in paths:
ps = p.split()
for f in ps[1:]:
i = f.find('(')
name, content = f[:i], f[i + 1 : -1]
d[content].append(ps[0] + '/' + name)
return [v for v in d.values() if len(v) > 1]
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21 | class Solution {
public List<List<String>> findDuplicate(String[] paths) {
Map<String, List<String>> d = new HashMap<>();
for (String p : paths) {
String[] ps = p.split(" ");
for (int i = 1; i < ps.length; ++i) {
int j = ps[i].indexOf('(');
String content = ps[i].substring(j + 1, ps[i].length() - 1);
String name = ps[0] + '/' + ps[i].substring(0, j);
d.computeIfAbsent(content, k -> new ArrayList<>()).add(name);
}
}
List<List<String>> ans = new ArrayList<>();
for (var e : d.values()) {
if (e.size() > 1) {
ans.add(e);
}
}
return ans;
}
}
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32 | class Solution {
public:
vector<vector<string>> findDuplicate(vector<string>& paths) {
unordered_map<string, vector<string>> d;
for (auto& p : paths) {
auto ps = split(p, ' ');
for (int i = 1; i < ps.size(); ++i) {
int j = ps[i].find('(');
auto content = ps[i].substr(j + 1, ps[i].size() - j - 2);
auto name = ps[0] + '/' + ps[i].substr(0, j);
d[content].push_back(name);
}
}
vector<vector<string>> ans;
for (auto& [_, e] : d) {
if (e.size() > 1) {
ans.push_back(e);
}
}
return ans;
}
vector<string> split(string& s, char c) {
vector<string> res;
stringstream ss(s);
string t;
while (getline(ss, t, c)) {
res.push_back(t);
}
return res;
}
};
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19 | func findDuplicate(paths []string) [][]string {
d := map[string][]string{}
for _, p := range paths {
ps := strings.Split(p, " ")
for i := 1; i < len(ps); i++ {
j := strings.IndexByte(ps[i], '(')
content := ps[i][j+1 : len(ps[i])-1]
name := ps[0] + "/" + ps[i][:j]
d[content] = append(d[content], name)
}
}
ans := [][]string{}
for _, e := range d {
if len(e) > 1 {
ans = append(ans, e)
}
}
return ans
}
|
1
2
3
4
5
6
7
8
9
10
11
12
13 | function findDuplicate(paths: string[]): string[][] {
const d = new Map<string, string[]>();
for (const p of paths) {
const [root, ...fs] = p.split(' ');
for (const f of fs) {
const [name, content] = f.split(/\(|\)/g).filter(Boolean);
const t = d.get(content) ?? [];
t.push(root + '/' + name);
d.set(content, t);
}
}
return [...d.values()].filter(e => e.length > 1);
}
|