用c查找辦公室重複的文件內容＃

我計算一個支票金額與其他人進行比較，找到重複的文件，但對於辦公文件，共享點屬性包括在內。因此，例如具有不同位置的文件不具有相同的校驗和。用c查找辦公室重複的文件內容＃

我的想法是在內存流中打開這個文件，解壓縮xml文件（用於word word/document.xml），並用它來計算校驗和或使用我的zip庫的crc屬性。通過這種方式，我不包含文檔屬性，但只包含內容（一部分）

它工作正常，但對於Excel或PowerPoint，文件夾中有多個文件來表示文檔的內容。

首先你認爲這是正確的方法。第二我如何將文件的crc屬性組合成一個代表內容文件夾的CRC。

對於字/詞
對於Excel/XL /工作表
PowerPoint的PPT /幻燈片

使用CRC散列文件（剝離的SharePoint元數據）似乎是適當的。只要CRC足夠長，可根據您正在編制索引的文件數提供統計獨特的散列值。

你爲什麼試圖將它們合併爲基於文件夾的CRC？你打算如何組合它們？如果您正在考慮爲文件夾值合計CRC，我會說這不會保證是唯一的。

我認爲這將是更好地創建一個使用CRC的關鍵一本字典，然後簡單地使用Dictionary.ContainsKey用於查找/比較

或觀看通過Dictionary.Add醒目ArgumentExcptions重複的條目（鍵已經存在）

2013-10-14 18:39:08

在辦公室文件中，我認爲內容是由幾個XML文件包含在文件夾中描述的。我想結合crc，因爲我需要將結果存儲在sharepoint屬性字段中我明白它不僅是一筆款項，但我該如何做到這一點？ – user1974845

您可以使用一個文件的CRC輸出作爲下一個文件的CRC計算的種子來計算總體CRC。你應該確保文件在計算時的排序方式相同（如果你正在尋找重複的內容，我會建議使用大小）。 –

你能否給我更多的細節來爭取crc？ – user1974845

回答