پرش به محتوا
Coverton وبلاگ
در این مقاله
اسناد و متن

چگونه فایل های دوگانه بایت مشابه را به رغم نام های مختلف پیدا کنیم

فایل ها با نام های مختلف می توانند به یک گروه دوگانه تعلق داشته باشند، زمانی که بایت های آنها یکسان هستند.این قضاوت شباهت بصری را نمی کند، بنابراین نسخه های ویرایش شده یا بازنویسی شده از همان عکس ممکن است جدا باقی بمانند.

ابزار را باز کنیدنحوه استفاده از این ابزار ↓
فایل های تکراری را پیدا کنید
این تصویر روند کار ابزار را نشان می‌دهد؛ نتیجهٔ پردازش یک فایل بارگذاری‌شده نیست.

نحوه استفاده از این ابزار

  1. فایل ها را برای مقایسه برای دوگانه ها اضافه کنید.
  2. لیست را تایید کنید و بازرسی را انجام دهید.
  3. بررسی نام گروه ها، اندازه ها و هش ها.
  4. دانلود نرم افزار CSV

تنظیمات مناسب را انتخاب کنید

اضافه کردن هر فایل شما می خواهید مقایسه و مطمئن شوید که هیچ کپی مشکوک از دست رفته است. ابزار محاسبه SHA-256 بدون یک حد شباهت، ایجاد محتوای فایل واقعی به جای نام فایل پایه مقایسه.

ورودی پشتیبانی شده
  • *

پیش از شروع

انتخاب منبع بر پایهٔ محتوا و نوع نتیجه

قالب واقعی و متنی یا تصویری بودن محتوا را بررسی کنید. پسوند به‌تنهایی پشتیبانی را ثابت نمی‌کند؛ HWPX با HWP قدیمی فرق دارد. اگر جای نوشته، تصویر یا چیدمان لازم است، نسخهٔ رسمی اصلی را نگه دارید. مشخص کنید کار، متن، کپی با نام تازه یا گزارش می‌دهد و دریافت‌کننده به کدام نیاز دارد.

هنگام پاک‌سازی متن، نقش شکست خط، خط خالی و فاصله را بررسی کنید. پیوستن خط‌ها ممکن است شعر، فهرست یا جدول را خراب کند. نرمال‌سازی Unicode گونه‌های مختلف دارد؛ گونهٔ سازگاری می‌تواند نمادها را تغییر دهد. نام و کد را بعد از تغییر ببینید و انتخاب‌های پاک‌سازی را برای توضیح نتیجه ثبت کنید.

گزارش بررسی، یافته‌ها را حذف نمی‌کند. فایل‌های شبیه از نظر ظاهر، لزوماً بایت‌های یکسان ندارند، و تغییر نام دسته‌ای کپی‌ها و نگاشت نام تولید می‌کند. متن ساده برای پردازش متن مفید است، اما وقتی چیدمان جزئی از سند رسمی است جای نسخهٔ اصلی را نمی‌گیرد.

بررسی قابلیت استفادهٔ محتوا پس از پردازش

متن خروجی را با عنوان‌ها، جدول‌ها و کادرهای متن منبع مقایسه کنید. ترتیب استخراج ممکن است با جای ظاهری فرق کند. استخراج متن ساده، نوشتهٔ داخل تصویر را نمی‌خواند یا صدا را خودکار پیاده نمی‌کند. برای چیدمان دقیق، منبع را در ویرایشگر اصلی ببینید و نام، عدد و کد را در برنامهٔ دریافت‌کننده امتحان کنید.

اگر گزارش نویسهٔ پنهان دارید، جای آن و کد نویسه را بررسی کنید؛ حذف فقط مجموعهٔ مشخص‌شده را پوشش می‌دهد. گزارش خالی حریم خصوصی، گواهی نبود اطلاعات حساس نیست. ابتدا، میانه، انتها و بخش‌های متفاوت سند را ببینید؛ درست‌بودن یک بند، کامل‌بودن جدول یا کادر متن را ثابت نمی‌کند.

در صورت شکست، رمزگذاری حفاظتی، DRM، محافظت و گونهٔ قالب را بررسی کنید. نرمال‌سازی Unicode رمزگشایی غلط را اصلاح نمی‌کند. ابتدا کدگذاری منبع را درست کنید و بعد نویسه‌های عجیب و محتوای کم‌شده را بررسی کنید. اگر بخشی کم است، جای آن در اصل و محدودیت کار را پیش از استفاده از متن نتیجه پیدا کنید.

نمونه ورودی و خروجی

بایت های یکسان با نام های مختلف → گروه دوگانه CSV

مثال‌ها روند کار را توضیح می‌دهند. نتیجه به فایل منبع و تنظیمات بستگی دارد.

قبل از ذخیره نتیجه را بررسی کنید

نام ها، بایت ها و هش ها را در هر گروه دوگانه شرکت مقایسه کنید قبل از اینکه تصمیم بگیرید چه چیزی را ذخیره کنید.فایلهای منحصر به فرد نیز در گزارش باقی می ماند، به شما اجازه می دهد تا تأیید کنید که تمام فایل های انتخاب شده بررسی شده اند.

اگر نتیجه با آنچه انتظار داشتید متفاوت باشد

عکس های ظاهری یکسان می توانند در متا داده ها یا فشرده سازی متفاوت باشند و بنابراین هش های فایل های مختلفی دارند.نتایج فایل ها را به طور خودکار انتخاب یا حذف نمی کنند، بنابراین قبل از هر گونه پاکسازی بعدی، مکان ها و پشتیبان ها را بررسی کنید.

محدودیت‌هایی که باید در نظر داشت

  • پیدا کردن دقیق بایت تکرار، تصاویر بصری مشابه نیست. حذف هیچ چیز. تا فایل های 100، 250 MB کل، 60 MB هر.

ادامهٔ کار با ابزارهای مرتبط

DOCX را به متن تبدیل کنید

استخراج DOCX متن بدن و پشتیبانی از عنوان ها یا پاها هنگامی که شما نیاز به بررسی ویرایش. نتایج TXT هیچ فونت و یا طرح صفحه را تکرار نمی کند، بنابراین محتوای آن را به طور جداگانه از ظاهر چاپ شده از سند مقایسه کنید.

خطوط سفید، جداسازی یک خط یا شاخص های بخش را برای قطعات استخراج شده انتخاب کنید. این شاخص ها بخش های استخراج شده را توصیف می کنند و شماره صفحات چاپ شده فیزیکی DOCX را بازسازی نمی کنند.

ابزار را باز کنید

PPTX را به متن تبدیل کنید

یک عصاره TXT برای بررسی ویرایش یک اسلاید ارائه از طریق اسلاید مفید است. فرض نکنید که ردیف استخراج شده با قرار دادن بصری بر روی قفس مطابقت دارد؛ بررسی کنید که چگونه عنوان ها و توضیحات در خروجی متصل می شوند.

گزینه Slide-marker را انتخاب کنید تا یک برچسب SLIDE را به هر بخش استخراج شده اضافه کنید.در صورتی که این برچسب ها برای متن که ویرایش می کنید غیر ضروری باشند، از یک خط خالی یا یک خط جداگانه استفاده کنید.

ابزار را باز کنید
Covertonفایل های تکراری را پیدا کنید
ابزار را باز کنید

این راهنما ابزار مرورگر عمومی را توضیح می دهد. یک کپی از اصل را نگه دارید و نتیجه را قبل از به اشتراک گذاشتن بررسی کنید.

این ترجمه با کمک نرم افزار تهیه شده است. همچنین می توانید نسخه انگلیسی آن را بخوانید. به انگلیسی بخوانید