問題描述

問題描述：

有很多文件夾，一個(gè)文件夾下有很多文件。目的是將每個(gè)文件夾的特徵提取出來，特徵規(guī)定是該文件夾下的一個(gè)或少量文件（名，內(nèi)容hash及相對(duì)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(gè)文件又去比較其它所有的，如果不同，則說明這個(gè)文件可以表達(dá)出該文件夾的特征。然后每個(gè)文件夾都這么做。

統(tǒng)計(jì)方法。按順序?qū)⒚總€(gè)文件夾的文件排序，選最大最小及中位數(shù)文件來作每個(gè)文件夾的特徵。但會(huì)出現(xiàn)這麼個(gè)問題，兩個(gè)文件夾可能就只有一個(gè)或少量文件不同，使用這種策略會(huì)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(duì)這問題進(jìn)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(jī)取固定數(shù)目個(gè)文件，將他們的文件名、大小、修改時(shí)間、權(quán)限等組合起來做個(gè)哈希，然后判重，一般重復(fù)率是不會(huì)很高的，因?yàn)榧词刮募痛笮∫粯樱薷臅r(shí)間一般是不一樣的。