Всем привет!
Хотелось бы узнать как можно сравнить два файла (по байтам) и сделать вывод, на сколько процентов один файл совпал с другим...
Хотя бы с чего начинать?
Как это можно организовать с потоками? и тот же вопрос, если файл больших размеров, 2,3,5 гб?

Примерно прикинул, думаю что нужно куда то писать, совпавшие байты, и не совпавшие, а потом посчитать и далее по формуле...?

Это сообщение отредактировал(а) Antony41 - 19.12.2009, 01:54

Проблема в том, чтобы прочитать файл? Или в чём?

А файлы какого то формата или просто набор битов? А файлы одинаковые по размеру или может быть ситуация при которой первый фал размером в гиг может полностью включать в себя файл размером в пол гига? 
Файлы размером больше 2 гиг придется резать... Тяжело адресовать смещение на 2^31

Проблема в том, куда записывать совпавшие байты и не совпавшие

Добавлено @ 02:35
Файлы любого формата, независимо, файлы могут быть разным размером, да может быть и такое что пол гига и гиг.
Ну я думаю можно обойтись и без резания, мне кажется что для сравнения, можно будет использовать до двух тоесть если первый файл будет размером 3 гб, а второй 5, то я думаю сравнить 2 гига вполне хватит, а остальное просто отрубить)))

Основная проблема в том, что придётся сравнивать большое количество файлов, например до 7 - 8 тыс. то есть если например в списке будет 7000 файлов, то эту процедуру придётся выполнять 24 496 500 раз.

Это сообщение отредактировал(а) Antony41 - 19.12.2009, 02:44

Antony41, Не очень понятно, есть файл с содержимым - 0123 и есть файл - 123 если сравнить их побитово то совпадений не будет... Чтобы узнать совпадения нужно сравнивать какой то средний показатель... Например представить файл в битовой маски и сравнивать спектр участка, или использовать вейлветы или другой какой нибудь критерий.... С коэффициентами... Копать нужно в сторону алгоритмов сжатия и оптимизированного статистического анализа... Иначе анализ 7000 файлов с возможностями присутствия в каждом из каждых последовательностей превращается в задачу по распределенным вычислениям и займет оооочень много времени...

Вот и я всё это понимаю, но теоретически то это возможно... Сейчас буду думать

Работаю сейчас с таким алгоритмом, он в принципе работает нормально, но иногда его можно и обмануть))
Спасибо Fox сейчас буду что нибудь думать. Еще отпишусь в этом разделе...

в принципе всё ясно! пытался, но толком ни чего не вышло использую пока функцию не точного сравнения участков
примерно так


Как можно ускорить эту функцию?

Это сообщение отредактировал(а) Antony41 - 19.12.2009, 08:38