重复文件清理工具最危险的不是漏扫，而是误删

最近我在做Find Duplicate Files，一个macOS上的重复文件和相似照片清理工具。

一开始我觉得这个软件的流程很简单，选择文件夹、扫描重复文件、选中多余的文件再删除就可以了。

真正做下去之后发现，扫描速度和能找出多少重复文件都不是最危险的问题，最危险的是误删。

重复文件少找到几个，最多只是少清理一点空间。如果把唯一的一份文件删掉，可能就没有办法恢复了。

重复文件和相似照片不是一回事

完全重复的文件可以比较大小和文件内容，最后用完整哈希确认。两个文件的完整哈希一样，才可以认为内容相同。

相似照片不一样。两张照片看起来接近，可能是一张原图和一张压缩图，也可能是连拍、裁剪、调色或不同分辨率的版本。

它们有可能是多余的，也有可能都需要保留。

所以相似照片只能作为整理建议，不能因为系统把它们放在一组里，就自动认定其中一张应该删除。

只扫描用户选择的位置

Find Duplicate Files不会自己扫描整台电脑，文件夹扫描只访问用户主动选择的目录。

照片图库也只用于只读扫描，不能直接在里面执行清理。

我觉得这个范围很重要。清理工具不应该因为获得了文件权限，就默认可以检查和修改所有位置。

用户选了什么目录，软件就只处理什么目录。

扫描结果必须可以复核

扫描完成后不能直接出现一个“一键全部删除”。用户应该先看到每组文件的名称、路径、大小和准备保留的文件。

有时候两个文件内容一样，但位置代表的意义不一样。例如一个在项目资料里，一个在临时下载目录里。即使可以删除其中一份，也应该由用户决定保留哪一份。

真正执行前还要再显示一次准备处理的文件和占用空间，取消按钮应该比确认按钮更容易找到。

多一次确认看起来比较麻烦，但清理文件本来就不适合追求操作次数最少。

删除前再检查一次

扫描结果不是永远有效的。

用户完成扫描后，文件可能被修改、移动或替换。如果软件继续按旧结果清理，就可能处理错误的文件。

所以在确认清理后，软件还要重新检查准备处理的文件。完全重复文件重新确认完整哈希，相似照片也要确认它们仍然符合当时的相似条件。

如果校验失败，就停止清理，让用户重新扫描。

我认为宁可让用户多等一次，也不能拿已经过期的扫描结果继续删除。

先移动，再考虑放进废纸篓

软件可以把选中的文件移到一个单独的隔离目录，用户确认其他软件和项目都没有受到影响后，再自己决定是否删除。

直接清理时也是移动到macOS废纸篓，不做无法恢复的永久删除。

隔离目录比较适合文件很多、自己也不能马上确认的情况。先放几天，再检查项目、照片和备份是否正常，比扫描结束后立即清空更稳妥。

历史记录也不能完全相信

Find Duplicate Files会保存扫描历史，方便以后查看之前的结果和空间变化。

但是历史记录保存的是当时的文件状态，不能因为它是软件自己生成的，就一直把它当成可信数据。

扫描快照保存时会记录SHA256。以后重新打开时再计算一次，如果内容和保存时不一样，就只允许查看，不允许选择文件和执行清理。

旧版本没有校验信息的历史记录也按不可信处理。

这样即使快照被修改、损坏或者来自旧版本，也不会直接变成一次可以执行的删除操作。

软件清理自己的记录也要限制范围

扫描历史数量多了以后，软件会清理旧快照。这里也有一个容易忽略的问题：历史记录里的路径如果被污染，会不会让软件删到其他位置？

所以删除旧快照前要同时确认：

• 文件必须位于软件自己的ScanHistory目录。
• 文件名必须符合扫描快照的固定格式。
• 目标必须是普通文件，不能是目录。

只要有一项不符合，就不执行删除。

这个检查清理的只是软件自己的临时记录，但同样应该按照处理用户文件的标准来限制范围。

我的结论

重复文件清理工具不能只比较扫描速度、能找出多少文件和可以释放多少空间。

更重要的是它怎样证明这些文件可以处理、怎样让用户复核、扫描结果过期后会不会停止，以及出错时还能不能恢复。

我做Find Duplicate Files时会继续保持这个原则：可以少清理一些，也可以让操作多一步，但不能为了看起来方便，就把不确定的文件自动删除。