有什么办法可以找到相似的文件（不能重复）？

我的最终目标是重构同事编写的代码。那么，有没有一种工具可以找到只有几个词不同的文件？

（编辑：这是针对Mac的，但其他人可能也喜欢非Mac的答案。）

find comparison diff

— 蒂格
source

@harry，鉴于修订历史，我想您发布了Windows答案，但该答案被否决了，因为只有在Mac才出现了？我宁愿放弃Mac要求，也可以查看您的答案（如果这是一个很好的非Mac答案）！

— Arjan 2010年

@Arjan：完成。

— harrymc

对于Mac，我想知道是否可以使用Spotlight。我对此表示怀疑，但是如果您知道在Spotlight中执行操作的方法，那么该mdfind命令可能有助于编写一些脚本来自动执行操作。但是，我认为它将始终只使用元数据。因此，查找相似文件可能会限制文件类型，但不会限制文件内容。没有雪茄。

— Arjan 2010年

Answers:

Simian对某些语言的源代码执行此操作。最好找到公然的复制-n-粘贴编码。它的发展似乎停滞了，但是效果很好。

— 本杰明·班尼尔（Benjamin Bannier）
source

没有帮助很大-在Rails应用程序有很多非常相似的谐音，只说，那我在development.log类似的路线

— TIG

您给它正确的文件进行分析了吗？您可能不在乎您的来源development.log。对于轨道看看鞭笞rubyforge.org/frs/...

— 本杰明Bannier

是的，我在Rails应用程序目录中提供了所有文件

— tig 2010年

（对于Windows）

Anti-Twin产品（供私人使用免费）声称能够做到这一点：

如果您想让Anti-Twin不仅搜索完全重复的文件，而且还搜索相似的文件，则可以将所需的最小匹配项从默认值100％减少到最大60％。此功能是专为搜索几乎相同的文件而设计的，仅更改了很小的细节。输入低于100％的值后，Anti-Twin就会使用相似性搜索。相似性比较比100％完全重复搜索要花费更长的时间！

不幸的是，相似性搜索作为逐字节比较的一部分仅对几种文件类型有意义，因为只有在文件未压缩和未加密的情况下才能检测到相似性。未压缩的文件是例如未格式化的文本（.TXT）和HTML。

— 哈里奇
source

我在Mac上运行，通过酒，并行或类似操作无法使重构变得容易，只会更加困难:)

— tig 2010年

@tig：您应该在帖子中指定此内容。我添加了mac标签。

— harrymc 2010年

@Arjan：按照您的要求，我未删除此答案。

— harrymc

理应如此！[mac]再次删除标签。[osx]无论如何都应该是;-)

— Arjan 2010年