ChatGPT怎么找重复文件?内容哈希、候选清单与保留策略
在授权本地目录中先做只读盘点,以内容哈希识别完全重复文件;区分同名、近似与相同内容,输出可审阅清…
文章目录
同名附件不一定重复,改过文件名的副本也可能内容完全一样。本文使用能够访问授权工作目录的Codex等文件入口,先找完全重复内容,不做相似图片识别,不删除资料。网页聊天无法直接扫描未提供的电脑目录。

第一步:限定只读范围
选一个练习目录,记录路径、文件数量、是否递归与排除项,保留重要文件副本。程序目录、软链接、隐藏文件和同步中的文件先排除,避免读取范围超过预期。让模型先列计划与输出清单,不直接执行“清理”。
本任务只读取文件内容计算摘要,可能产生磁盘负载,先用小目录验证。不能把文件名相同作为删除依据,尤其版本号、日期和扩展名不同的材料需要人工辨认。
只盘点我指定的练习目录,暂不递归。报告文件名、相对路径、字节数与读取状态。不删除、不改名、不移动,不读取目录外路径。先列出将采用的重复判定规则。
第二步:用大小和哈希筛选
先按字节数分组,再对可能重复的文件计算完整内容哈希,例如SHA-256。相同大小只是候选,哈希相同才作为内容重复的重要依据;需要特别严格时再逐字节比较。读取失败或文件在过程中变化要单列。
不要只哈希前几行或预览缩略图却标为完全重复。对正在写入的文件,记录前后大小或修改时间;不稳定状态应重查,而不是用旧摘要参与删除决策。
第三步:输出分组清单
每组列完整相对路径、大小、哈希、读取状态和建议保留依据。保留依据可以是指定主目录或人工确认的归档路径,不能让模型按最短文件名随机决定。清单应包含单独的未知与失败项。
生成可编辑重复组清单,不执行任何清理。每组保留所有路径,给出拟保留路径与理由;符号链接、无法读取、内容变化单列。建议仅供审阅,不能当成已删除结果。
第四步:人工核对真实用途
抽查每组文件能否打开,再核对它们是否被其他文档、应用或同步服务引用。字节相同不代表路径没有业务价值;一个附件可能在两个项目中都需要原位置。完全重复与近似内容需独立报告,不能混为一类。
核对原数量与清单数量,确认每个候选都有唯一去向,失败文件没有被当作空文件。不要为了让报告显得整洁而忽略权限错误或未完成读取。
第五步:保留清单再决定清理
如以后确实需要清理,应另行确认保留策略、恢复路径和引用影响,先移动到可恢复隔离区比直接删除更易核对。本教程到重复识别结束,不执行此步骤,也不把清单生成称为磁盘已释放。
完成标准是范围明确、判定可复算、重复组可打开、未知项清楚且原文件未变。保留扫描时间、目录与规则版本;目录新增或文件内容更新后重新核对,旧清单不能永久作为当前删除依据。
官方资料
资料核对日期:2026年11月17日。
本文地址:https://www.163264.com/21503


