使用 C# 查找 Office 重复文件内容
本文关键字：文件 查找 Office 使用 | 更新日期: 2023-09-27 18:35:13
我计算一个校验和以与其他文件进行比较并查找重复文件，但对于办公文件，包括共享点属性。因此，例如，具有不同位置的文件没有相同的校验和。
我的想法是在内存流中打开此文件解压缩xml（用于单词单词/文档.xml），并使用它来计算校验和或使用我的zip库的crc属性。通过这种方式，我不包括文档属性，而只包含内容（一部分）
它运行良好，但对于Excel或PowerPoint，文件夹中有几个文件来表示文档的内容。
首先，你认为这是正确的方式。其次，如何组合文件的crc属性以具有代表内容文件夹的CRC。
对于单词/单词
对于 Excel/xl/工作表
对于幻灯片 ppt/幻灯片
对文件使用 CRC 哈希（剥离 sharepoint 元数据）似乎是合适的。只要 CRC 足够长，可以根据您正在索引的文件数提供统计上唯一的哈希值。
为什么要将它们组合成基于文件夹的CRC？您打算如何组合它们？如果您正在考虑仅对文件夹值的CRC求和，我会说这不能保证是唯一的。
我认为最好使用CRC作为键创建一个字典，然后简单地使用Dictionary.ContainsKey进行查找/比较
或通过字典监视重复条目。添加捕获参数（键已存在）