使用多个标准对项目进行分组的最佳通用策略

Question

我有一个简单的、现实生活中的问题，我想使用面向对象的方法来解决。 我的硬盘一片混乱。 我有 1,500,000 个文件、重复文件、完整的重复文件夹等等...

当然，第一步是将所有文件解析到我的数据库中。到目前为止没有问题，现在我得到了很多不错的条目，它们是“自然分组”的。可以使用以下简单查询获得此简单分组的示例：

1. 给我所有大于 100MB 的文件
2. 显示超过 3 天的所有文件
3. 获取所有以 docx 结尾的文件

但现在假设我想找到具有更自然意义的组。根据“用例”的不同，有不同的策略。

假设我有一个坏习惯，就是把所有下载的文件放在桌面上。然后我将它们解压到适当的文件夹，而不总是删除 ZIP 文件。我将它们移动到“阁楼”文件夹中。对于系统来说，要找到这组文件 时间导向 搜索方法，也许与“检查 ZIP 是否相同，然后文件夹 X”相结合将是合适的。

假设另一个复制文件的坏习惯，有一些文件夹“干净的文件”位于 结构不错, ，还有另一个 凌乱的文件夹. 。现在，我的干净文件夹有 20 个图片库，我的凌乱文件夹有 5 个重复图库和 1 个新图库。人类用户可以通过看到“哦，那都是重复的，那是一个新的，所以我将新的放在干净的文件夹中并丢弃所有重复的”来轻松识别这一逻辑。

那么，现在进入正题：

您会使用哪种策略或模式组合来解决这种情况。如果我链接过滤器，“最难的”将获胜，并且我不知道如何让系统“测试”合适的组合。在我看来，这不仅仅是过滤。其动态分组通过结合多个标准来找到“最佳”组。

一种非常粗略的方法是：

1. 一开始，所有文件都是平等的
2. 第一个不太“好”的组是目录
3. 如果您是一个大而干净的目录，您将获得积分（均匀分布的名称）
4. 如果所有文件都具有相同的创建日期，则可能是“自动创建”
5. 如果你是程序文件的孩子，我根本不关心你
6. 如果我把你从A组移到C组，这会提高“熵”吗？

适合这种情况的最佳模式是什么？策略、过滤器和管道、“分组”..有什么意见欢迎留言！

编辑对答案的反应：

标记方法：当然，我也想过贴标签。但我该在哪里划清界限呢？我可以创建不同的标签类型，例如 InDirTag、CreatedOnDayXTag、TopicZTag、AuthorPTag。这些标签可以按等级结构构建，但如何分组的问题仍然存在。但我会对此进行一些思考并在这里添加我的见解。

拖延评论：是的，听起来是这样。但这些文件只是我能想到的最简单的例子（也是目前最相关的）。它实际上是以动态方式对相关数据进行分组的大局的一部分。也许我应该让它更抽象，以强调这一点：我是 不寻找 文件标记 工具 或搜索引擎， 而是一种算法或模式 为了解决这个问题...（或者更好的想法，比如标记）

克里斯

Answer 1

我没有解决方案（并且很想看到一个解决方案），但我可能建议除了明显的名称、大小和时间戳之外，从文件中提取元数据。

• 带内元数据，例如 MP3 ID3 标签、EXE/DLL 的版本信息、HTML 标题和关键字、Office 文档的摘要信息等。甚至图像文件也可以有有趣的元数据。如果查找重复项，整个内容的哈希值会有所帮助。
• 带外元数据，例如可以存储在 NTFS 备用数据流中 - 例如。您可以在非 Office 文件的“摘要”选项卡中编辑的内容
• 如果您可以阅读，您的浏览器会保存有关您从何处下载文件的信息（尽管 Opera 不会保存很长时间）。

Answer 2

您正在拖延。停下来，清理你的烂摊子。如果它真的很大，我推荐以下策略：

1. 在外置磁盘（USB或其他）上复制驱动器上的所有内容
2. 彻底安装系统
3. 一旦发现您需要某些东西，请从您的副本中获取，并将其放置在明确定义的位置
4. 6个月后，扔掉外接硬盘。那里的任何东西都不会那么重要。

你也可以安装谷歌桌面，它不会清理你的烂摊子，但至少可以让你有效地搜索它。

如果你想在将来阻止这种情况发生，你必须改变你在计算机上组织事物的方式。

希望这会有所帮助。

Answer 3

你发烧了，唯一的处方是Tag Cloud！您仍然需要清理，但使用 TaggCloud 或 Tag2Find 您可以按元数据组织文件，而不是驱动器上的位置。 Tag2Find将观看共享，当任何内容保存到共享时，会出现一个弹出窗口并要求您标记该文件。

您也应该使用Google桌面。