near-facsimile

在目录中查找相似或相同的文本文件。

• 合理的复制品，名词

  : 一个不精确但相当接近的副本

  这所房子是他原宅的合理复制品。

  —有时用作玩笑

  我会说法语，或者至少是一个合理的法语复制品。

  “合理的复制品”，Merriam-Webster.com 字典

安装

• 在 Fedora、RHEL 或 CentOS 上，从 Copr 存储库安装此程序

  1. 启用存储库

     # dnf copr enable mareksu/near-facsimile
     

  2. 安装软件包

     # dnf install near-facsimile
     

• 在 macOS 上，使用 Homebrew 软件包管理器

  1. 按 https://brew.sh.cn/ 中描述的说明安装 Homebrew 软件包管理器。

  2. 安装软件包

     $ brew install msuchane/repo/near-facsimile
     

• 要在任何系统上从源安装，请使用 Cargo 软件包管理器

  1. 按 https://rustup.rs/ 中的说明安装 Cargo。

  2. 安装软件包

     $ cargo install near-facsimile
     

• 要作为容器安装 near-facsimile，请使用 Docker 或 Podman。

  1. 下载镜像

     $ docker pull quay.io/msuchane/near-facsimile:latest
     

  2. 运行镜像

     $ docker run -it -v .:/mnt:Z msuchane/near-facsimile near-facsimile
     

  3. 可选地，将命令保存为 shell 配置文件中的别名。

用法

• 递归检查文本文件目录

  dir-with-text]$ near-facsimile
  

  程序持续将文件信息打印到终端。

  最后，它可以保存所有按文件相似度排序的统计信息作为 CSV 或 JSON 文件。

选项

以下选项可用

指定文档目录

$ near-facsimile --path <path-to-directory>

将结果保存为 CSV 表格或 JSON 文件

可选地，您可以保存高于设置阈值的文件相似度作为 CSV 或 JSON

$ near-facsimile --csv <path-to-file>

$ near-facsimile --json <path-to-file>

设置最低报告相似度阈值

该工具仅报告相似度超过一定阈值的文件。默认阈值为 85.0，即 85% 相似。

$ near-facsimile --threshold=<85.0>

忽略文件中的某些行

您可以将文件比较配置为跳过所有与您的正则表达式匹配的行。比较是从剩余的行中计算的，这些行不匹配任何正则表达式。

例如，跳过所有以 // 开头的行

$ near-facsimile --skip-lines '^//'

切换到更快但不太精确的比较

默认情况下，该工具使用Levenshtein度量，它非常精确但相对较慢。您可以使用Jaro度量来比较文件，它大约需要一半的时间，但生成的统计数据不太精确。

$ near-facsimile --fast

如果您指定两次--fast选项（-ff），则工具将使用相对基础但非常快的三元组比较

$ near-facsimile --fast --fast