沒有人會故意製造重複檔

DupeGuru 是一套免費的重複檔案尋找與清理工具，用來把磁碟空間要回來，支援 Windows、macOS 與 Linux。不過在這支程式之前，先有一個問題：這些重複檔是從哪裡來的 —— 因為沒有人會刻意製造它們。它們是累積出來的：一個資料夾複製到隨身碟、又被複製回來；一個檔案下載了兩次，因為第一次被忘了；一個相片庫被匯入兩次，資料夾名字還不一樣；一個專案在小改之前與之後各封存一份。每一個動作單獨看都合理，加起來就是一顆磁碟上五分之一的空間在重複存放同樣的位元組。

這支工具做的事是算術：指定資料夾或整顆磁碟，讓它比對，然後回傳一組一組相同的檔案。它做不到的是決定。那部分留給人，而結果的好壞，取決於那個判斷的程度遠大於搜尋的速度。

三種比對方式，可信度依次升高

比對會用到名稱、大小與內容，而值得先弄清楚的是：這三者並不同樣可信。名稱是最弱的證據：同一個檔案被改名兩次，看起來就是兩個檔案；兩個完全不同的檔案取了同一個名字，看起來就是重複。大小強得多，因為長度相同的兩個檔案至少有理由相關，而且它是檢查起來最便宜的一項，所以每一支認真的工具都把它當成第一道關卡。

內容才是唯一真正的答案，而把每個檔案的每個位元組都讀一遍實在太慢。標準解法是雜湊：從內容算出一個指紋，短到可以比對，又特定到兩個不同的檔案不會共用同一個。只對「大小已經相符」的檔案計算它，一場原本要跑好幾小時的搜尋就變成幾分鐘。

剩下的微妙之處在於：內容可以相同，而檔案並不是可以互換的。兩張看起來一模一樣的照片，中繼資料不同；兩份讀起來一樣的文稿，修訂歷史不同。內容比對是關於位元組的陳述，而那些位元組是什麼意思，是另一個問題 —— 而且是在刪掉任何東西之前仍然必須回答的問題。

留下哪一份是決定，不是計算

每一組重複都會提出同一個問題，而它沒有通用答案。在被真正備份的那個資料夾裡的那一份，比桌面上那一份有價值；保留原始時間戳的那一份，比被傳輸改寫過日期的那一份有價值；被別的檔案引用到的那一份，比沒有任何東西指向它的那一份有價值。工具可以把這些攤出來 —— 路徑、日期、大小 —— 但它不能替它秤重，因為重量存在人的腦子裡。

這就是為什麼手動與自動不該被當成等價的選項。當搜尋範圍很窄、規則很明顯時，自動刪除是真正的省力；但當一個滿是近乎相同匯出檔的資料夾，因為規則太寬容而被整平，那就是災難。能通過現實考驗的做法是：第一輪範圍小而且無聊、先看分組、再用一種留得下痕跡的方式刪。

替結果排序，也是分析的一部分

能在結果清單裡直接跳到最大或最小的檔案，聽起來像方便功能，實際上是一種策略。最大的重複檔就是空間所在，所以如果目標是容量，工作就從那裡開始；最小的那些通常是上百次下載的殘渣，清掉它們是整齊問題而不是需求問題。按大小排序，會把一份冗長而無差別的清單變成一張優先順序表，而優先順序才讓一次清理能夠做完。

排除，才是讓掃描保持誠實的東西

能忽略資料夾與檔案、能排除特定檔案類型，不是細節。有些目錄絕對不能碰：系統資料夾、虛擬機映像、容器儲存、相片庫或郵件庫的內部結構 —— 那裡少一個零件，就代表一個應用程式壞掉。還有一些放著看起來像重複、其實不是的東西：硬連結，第二個名字只是通往同一份資料的另一扇門，刪掉一扇門並不會省下任何空間。

依類型排除是另一個有用的另一半。媒體檔值得掃，因為一份重複的影片是真的浪費空間；小型設定檔與縮圖則很少值得冒險，因為它們相同是有原因的，而且可能真的有東西依賴每一份都存在。

刪除對檔案系統實際做了什麼

知道自己省下的是什麼有幫助。刪掉一份重複，釋放的是那個檔案佔用的空間，沒有別的；它不會讓留下的那一份讀得更快，在固態硬碟上甚至不會讓機器變快，因為那顆碟從來沒有被多出來的副本拖慢過。得到的是容量與資料夾結構的清楚，不是效能 —— 期待錯了好處，就是為什麼一件其實完全照預期完成的工作，最後還是讓人失望。

另一件值得知道的事是：這裡的刪除通常是普通的那一種，也就是檔案去了某個可以救回來的地方，而不是消失。這是一種安慰，但也意味著在資源回收筒被清空之前，空間其實沒有真的還回來 —— 而那一步，才是把一份整齊的清單變成幾 GB 可用空間的動作。

它適合哪裡

它不是儲存分析工具，也不是備份工具。它把一個問題答得很好：這些檔案裡，哪些其實是同一個檔案。對一個被匯入兩次的相片集、一個已經變成掩埋場的下載資料夾、或一顆在沒有明顯新增東西的情況下卻滿了的磁碟來說，那一個問題就是值得問的那一個。免費、開源、三個桌面系統都有 —— 這是那種會閒置一年，然後替你省下一個下午的工具。