identificere fil

Du må nok ind og sammenligne indholdet, er jeg bange for.

Det kommer rigtig meget an på, hvad du mener. Mener du om to fil-navne peger på samme blok på harddisken. Eller om to filer indeholder de samme bytes. Eller om to filer indeholder samme information i forskellige formater?

Men hvis det er nummer 2 - om de indeholder samme bytes - så ville en MD5 af de to filer kunne laves ret hurtigt (altså i operativsystemet uden om php) og så kan disse sammenlignes. Det giver dig ret høj sandsynlighed.

Skal du være 100% sikker skal du dog sammenligne de komplette filer.

Er du på noget *nix-server kan du måske også bruge nogle eksterne programmer såsom diff, som lynhurtigt kan sammenligne og påpege forskelle mellem filer. Der findes garanteret noget tilsvarende til windows.

Jeg har med nogle store filer at gøre på mit site og det kunne derfor være lækkert hvis jeg kunne slippe for at have dublikante filer :) Altså så jeg i min database bare kunne referere til en fil i stedet for flere

Kan man ikke lave en hash af en form at selve dataen i filen og sammenligne dem?

Jo, som barklund foreslog, kan du foretage en MD5 (Message Digest algorith 5), som er en hashing. Du kan bruge funktionen md5_file, ref.: http://de2.php.net/manual/da/function.md5-file.php

(*Message Digest algorithm 5)

men for at være helt sikker burde man så ikke lave mere end et hash?

der er vel en sandsynlighed for at man kan løbe ind i to hash'es som er ens men filerne forskellige?

barklund -> hvordan kunne et ekspempel se ud ved at bruge diff som eksternt program?
<? exec(diff()); ?>

ved godt det ikke er mit spørgsmål, håber det er OK...

>> htx98i17
"diff -q" giver output, hvis filerne er forskellige og er ellers lydløs, hvis de er ens:

if (`diff -q fila.txt filb.txt` != "") {
  // forskellige!
} else {
  // ens!
}

Hurtigt eksempel:

$ echo foo > 1.txt
$ echo foo > 2.txt
$ diff -q 1.txt 2.txt
$ echo foo1 > 3.txt
$ diff -q 1.txt 3.txt
Files 1.txt and 3.txt differ
$ php -r 'if (`diff -q 1.txt 2.txt` != "") die("forskel\n"); else die("ens\n");'
ens
$ php -r 'if (`diff -q 3.txt 2.txt` != "") die("forskel\n"); else die("ens\n");'
forskel

Med PHP-CLI, men det giver samme anvendelse gennem en webserver selvfølgelig :)

>> hoppe11
MD5-hashes er nær-uniformt fordelt i deres 2^128 bit udfaldsrum, så vi kan godt sige, at sandsynligheden for en kollision er 1/2^128 (2,94e-39). Hvis du så har 1 milliard filer og der bliver tilføjet en ny, så er sandsynligheden for, at der allerede er en fil med samme hash altså 10^9/2^128 - 2,94e-30. Det er bestemt ikke noget, du behøver bekymre dig om :)

htx98i17 > Det er helt fint, jeg fik mit svar

barklund > Smid et svar og tak for hjælpen :)

barklund > dog kunne man jo gemme filstørrelsen som en int - bare for en sikkerhedsskyld :)

hoppe11, det kunne man selvfølgelig, men jeg ville nu nok vurdere, at det var så ligegyldigt, at man lige så godt kunne lade være :)

Altså, hvis vi forestiller os, at du fra i dag uploader en fil hvert millisekund, så vil der gå over 5 år før sandsynligheden for en kollision overstiger 50% (lidt voldtægt på sandsynlighedsregning, i know) :)

barklund -> Tak for dit svar. Det sparede mig lige for mange timers skruplen...

hvad præcis går den ind og sammenligner?
jeg sammenligner 2 filer som

if (`diff -q fila.txt filb.txt` != "") {
  // forskellige!
} else {
  // ens!
}

siger er forskellig.

Men åbner jeg de 2 filer i ultraedit og bruger funktionen compare files, så viser den ikke en eneste forskellighed?

Se manualen for diff: http://www-md.fsl.noaa.gov/localdev/diff.html

Du kan jo også manuelt på serveren køre:

diff fila.txt filb.txt

Eller i php kalde diff uden -q og se, hvad den outputter - så fortæller den dig netop den præcise forskel.

--
Morten Barklund

Tark for points :)

sæl ;)