查找重复项

重复查找器是一款开源应用程序，用于检测一个或多个文件中的相似文本。 它可以用于查找100%的重复内容以及相似但不相同的内容。 该工具兼容包括纯文本、Markdown 和 XML 在内的几种格式。

重复查找工具可以帮助您：

• 检测抄袭
• 内容管理
• SEO优化
• 数据去重

重复内容示例

这是一个快速示例，可以让你了解该工具检测的内容:

如何使用

1. 下载应用程序。 或者，您可以自己从源码.
2. 确保您的计算机上安装了 Java 16 或更高版本
3. 在终端中，打开下载的 .jar 文件所在的文件夹

4. 执行 java -jar duplicate-finder.jar 并使用以下参数：

   参数	意义	例子
   -r / --root 必填	要搜索重复内容的文件夹的相对或绝对路径	-r=./my-project/
   -o / --output	保存分析结果的文件夹的相对或绝对路径。 如果未指定目录，重复项查找器将使用当前工作目录。	-r=./my-project/duplicates/
   -f / --fileMask	要分析的文件扩展名的逗号分隔列表。默认情况下，会分析所有文件。	-f=md,mdx
   -i / --indexer	将什么视为文本块。以下选项可用： md – 一个markdown元素 line – 单行文本 xml – 一个XML元素 file – 整个文件的内容 auto – 尝试从文件掩码推断	-i=md
   -l / --minLength	要分析的文本块的最小长度（以字符计）。 默认值：100（短于 100 个字符的文本片段将被忽略）	-l=150
   -s / --minSimilarity	两个文本块被视为重复的最低相似度。 默认值: 0.9 (90%)	-s=0.85
   -d / --minDuplicates	报告重复组的最低重复次数。默认值：1（一个重复项就够了）	-d=5
   -h / --headless	不打开重复查看器，仅将结果写入文件	-h
   -v / --verbose	是否将进度和错误记录到控制台。 如果分析耗时过长且怀疑存在问题，请使用此选项。 默认：不记录	-v
   -m / --memory	低内存模式 - 在牺牲分析速度的情况下，将重复查找器的内存占用降到最低。	-m
   -g / --gram	（高级）ngram 长度 – 影响速度、内存占用以及分析的准确性。差异取决于内容的具体情况。	-g=10

命令示例

以下是您的命令可能的样子：

java -jar duplicate-finder.jar -r=/Users/me.user/my-site -i=md -f=md,mdx -s=0.85 -d=5 -l=200

上述命令将执行以下操作：

• -r=/Users/me.user/my-site – 在 '/Users/me.user/my-site' 及其子目录中搜索类似内容
• -i=md – 假设内容是用 Markdown 编写的，并根据 Markdown 规则进行解析
• -f=md,mdx – 仅考虑扩展名为 '.md' 和 '.mdx' 的文件
• -s=0.85 – 仅报告相似度为 85% 或更高的匹配项
• -d=5 – 仅报告被重复 5 次或更多次的文本
• -l=200 – 仅报告 200 个字符或更长的文本

结果

根据设置和项目规模，您可能需要稍等片刻以完成分析。 之后，结果将会在重复项查看器中打开，并保存在用“-o”命令行选项定义的文件夹中。 如果没有指定选项，输出将写入工作目录。

以下是您在重复查看器中看到的：

1. 工具栏：配置字体大小、排序顺序，以及是否只想看到每个重复组的单个参考块（2）。
2. 参考块列表：选择作为比较参考的块。
3. 重复块列表：在选择参考块（2）后，此列表将显示与其相似的块。要预览重复项，请从列表中选择它。
4. 参考块预览：选择参考块（2）后，可以在此处预览其内容。常见部分以绿色显示，不同部分以红色显示。重复块（3）中具有共同部分的数量越多，显示的绿色就越多。
5. 重复块预览：选择重复块后，其预览将出现在此处。您可以使用它与选定的参考块（4）进行快速比较。

了解更多及联系我们

如果您对该工具的开发感兴趣，请查看相关的博客系列文章：

• 重复查找器：项目简介
• 重复查找器：需求
• ...

如有反馈意见，可以使用本页底部的联系方式与我联系。我很乐意听取您的意见和功能请求。

许可

代码在 MIT 许可证下许可，这意味着您可以自由使用它用于任何目的，以及分叉和修改它。

• 由 Igor Kulakov 制作。尽情享受！
• 重复查找器

• 订阅

• 
• 
• 
•