使用多個標準對物品進行分組的最佳通用策略

Question

我有一個簡單的現實生活問題，我想用OO方法解決。 我的硬盤很混亂。我有1.500.000個文件，重複，完整的重複文件夾，等等......

第一步，當然是解析所有的文件到我的數據庫。到目前爲止沒有問題，現在我得到了很多很好的條目，這是「自然分組」。可以用簡單的查詢等來獲得這個簡單的分組例子：

1. 給我的所有文件大於100MB大
2. 顯示所有文件年長超過3天
3. 獲取我的docx結尾的所有文件

但現在假設我想找到一些更具自然意義的羣體。這有不同的策略，取決於「用例」。

假設我有一個壞習慣，首先將所有下載的文件放在桌面上。然後我將它們解壓縮到適當的文件夾，而不是始終刪除ZIP文件。我將它們移動到「閣樓」文件夾中。對於系統來說，要找到這組文件時間導向搜索的方法，可能結合「檢查ZIP是否相同，然後文件夾X」將是合適的。

假設複製文件，有一些文件夾，其中「乾淨文件」都位於好的結構的另外一種壞習慣，而另一個雜亂的文件夾。現在我的乾淨的文件夾有20個圖片庫，我的雜亂的文件夾有5個重複和1個新的畫廊。一個用戶可以很容易地通過看到「哦，這些都是重複的，這是一個新的，所以我把新的一個放在乾淨的文件夾中，並且垃圾所有重複」來識別這個邏輯。

所以，現在進入正題：

的策略或模式的組合，你會使用哪一種解決這種情況。如果我連鎖過濾器「最難」會贏，我不知道如何讓系統「測試」適當的組合。它對我來說似乎不僅僅是過濾。它通過結合多個標準來查找「最佳」組的動態分組。

一個非常粗略的方法是這樣的：

1. 在開始的時候，所有的文件都是平等的
2. 第一，不那麼「好」組是目錄
3. 如果你是一個大的，乾淨的目錄，你賺取積分（均勻分佈名稱）
4. 如果所有文件具有相同的創建日期，您可能會「自動創建」
5. 如果您是Program-Files的子項目，我不在乎您全部爲
6. 如果我招你，A組爲C組，這將提高「熵」

什麼是最好的方式擬合這種情況。策略，過濾器和管道，「分組」..歡迎任何評論！

編輯在reacation到答案：

的標記方法： 當然，標籤越過我的腦海。但我在哪裏畫線。我可以創建不同的標籤類型，如InDirTag，CreatedOnDayXTag，TopicZTag，AuthorPTag。這些標籤可以構造成一個分層次的，但如何分組的問題將保持。但我會給這個想法，並在這裏添加我的見解。

拖延評論： 是的，聽起來是這樣的。但這些文件只是我能想到的最簡單的例子（而且目前最相關）。它實際上是以動態方式對相關數據進行分組的大圖。也許我應該保持它更抽象，強調這一點：我不搜索文件標記工具或搜索引擎，，但算法或模式來解決這個問題......（或更好的，想法像標籤）

克里斯

Answer 1

我沒有一個解決方案（並希望能看到一個），但我可能會建議從文件中提取元數據除了明顯的名稱，大小和時間戳。

• 帶元數據，如MP3 ID3標籤，版本信息的EXE/DLL文件，HTML標題和關鍵字，Office文檔等，即使圖像文件的摘要信息可以有有趣的元數據。整個內容的散列有助於查找重複內容。
• 帶外元數據，如可以存儲在NTFS備用數據流 - 例如，您可以在非Office文件的「摘要」選項卡中編輯的內容
• 如果您可以閱讀，則瀏覽器會保存關於您從哪裏下載文件的信息（儘管Opera不會長期保存）。

Answer 2

你是procrastinating。停下來，清理你的爛攤子。如果它真大，我推薦以下策略：

1. 讓外部磁盤（USB或其他）
2. 上的所有的東西你的驅動器上的副本做一個乾淨的系統
3. 由於安裝一旦你發現你需要的東西，從你的副本得到它，並將其放置在一個明確的位置
4. 6個月後，扔掉你的外部驅動器。那裏的任何東西都不是那麼重要。

您還可以安裝谷歌桌面，它不會清理你的垃圾，但至少可以讓你有效地搜索它。

如果您想要防止這種情況在將來發生，您必須更改您在計算機上組織事物的方式。

希望這會有所幫助。

Answer 3

你發燒了，唯一的處方是標籤雲！您仍然需要清理一些東西，但使用TaggCloud或Tag2Find等工具，您可以通過元數據來組織文件，而不是驅動器上的位置。Tag2Find將會觀看一個共享，當任何東西被保存到共享中時，一個彈出窗口出現，並要求您標記文件。

你也應該得到Google桌面。