力扣609(java&python)-在系统中查找重复文件（中等）

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 * 10⁴
1 <= paths[i].length <= 3000
1 <= sum(paths[i].length) <= 5 * 10⁵
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？

来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/find-duplicate-file-in-system
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

解题思路：

哈希表：先将paths中的目录路径、文件名和文件内容分开，再创建一个哈希表以key-内容，value-文件目录和文件名形式来存储。然后就开始遍历每一个文件，并把它加入哈希映射中。遍历结束后，再遍历哈希映射，如果一个键对应的值列表的长度大于 1，说明我们找到了重复文件，可以把这个列表加入到答案中。

 java代码：

 1 class Solution {
 2     public List<List<String>> findDuplicate(String[] paths) {
 3         //存放结果
 4         List < List <String>> res = new ArrayList<>();
 5         //key-文件内容， value-路径和文件名
 6         Map<String, List<String>> map = new HashMap<>();
 7         for(String path : paths){
 8             //以空格为分割符分割出路径和文件
 9             String[] pa =  path.split(" ");
10             for(int i = 1; i < pa.length; i++){
11                 //以左括号为分隔符分出内容
12                 String[] name_content = pa[i].split("\\(");
13                 //将文件名和内容分开
14                 name_content[1] = name_content[1].replace(")", "");
15                 //获取当前map的value,没有的话要新建
16                 List<String> list = map.getOrDefault(name_content[1], new ArrayList<String>());
17                 //将路径和文件名存入list
18                 list.add(pa[0] + "/" + name_content[0]);
19                 //把当前的路径和文件内容放入map中
20                 map.put(name_content[1], list);
21             }
22         }
23         //遍历map中的key,如果value长度大于1，则说明有重复
24         for(String key : map.keySet()){
25             if(map.get(key).size() > 1){
26                 res.add(map.get(key));
27             }
28
29         }
30         return res;
31     }
32 }

 python3代码：

 1 class Solution:
 2     def findDuplicate(self, paths: List[str]) -> List[List[str]]:
 3         map = {}
 4         res = []
 5         for path in paths:
 6             # 以空格分割
 7             pa = path.split(" ")
 8             for i in range(1,len(pa)):
 9                 name_content = pa[i].split("(")
10                 name_content[1] = name_content[1].replace(")","")
11                 # 拼接出目录和文件名
12                 list = pa[0] + "/" + name_content[0]
13                 # 如果当前内容存在map中，则加入路径
14                 if name_content[1] in map:
15                     map[name_content[1]].append(list)
16                 else:
17                     map[name_content[1]] = [list]
18         for key in map.keys():
19             if len(map[key]) > 1:
20                 res.append(map[key])
21         return res