免费获取学习方案
ARTICLE DETAIL

资讯详情

深耕编程基础知识与建站技术分享的一线实战洞察。

一个下午腾出 22.5GB:Krokiet 免费重复文件清理上手指南

一个下午腾出 22.5GB:Krokiet 免费重复文件清理上手指南 一个下午腾出 22.5GBKrokiet 免费重复文件清理上手指南【免费下载链接】czkawkaMulti functional app to find duplicates, empty folders, similar images etc.项目地址: https://gitcode.com/GitHub_Trending/cz/czkawka我电脑的 512GB 系统盘用了两年空间不足的提示从春天刷到秋天。上个周末我认真动手了一次用的是 Krokiet——一个免费、开源、跨平台Windows / Linux / macOS的重复文件清理工具核心用 Rust 写扫描靠多核并行。一整个流程扫了四处重复文件、相似图片、相似视频、重复音乐合计清出 22.5GB。如何安装 Krokiet三种方式跑起来最省事的是官方预编译包到项目的 release 页选对应系统的版本Windows 10/11、macOS、Ubuntu 均有解压到任意目录直接运行没有运行依赖。已经装了 Rust 环境的朋友终端里一行命令就能装上最新版cargo install krokiet --locked想跟最新功能的话把源码 clone 下来再cargo build --release --package krokiet编译一次即可产物在target/release/krokiet具体参数比如额外图片格式、ffmpeg 的位置可以看 krokiet/README.md。如何清理下载文件夹一个下午的四十分钟我没有全盘扫只挑了最有把握的四处下手。第一步下载文件夹用「重复文件」。这台机器 8 核18,400 个文件的首次扫描跑了 6 分钟。它的思路是先按文件大小分桶、再算哈希确认所以结果很干净87 组重复清一色是内容相同、名字或目录不同。每组我只留版本最新的安装包旧的六个版本全部处理释放 3.2GB。第二步照片库用「相似图片」。这个比纯重复文件好用。它抓的是分辨率不同、带水印、轻微编辑过的同一张照片——这类是哈希类工具抓不到的。共找出 142 张重复照片我点开预览逐组比对删掉低清版和翻拍版释放 1.8GB。第三步视频目录用「相似视频」。它按画面帧做比对把 6 部电影的 1080p 和 4K 版本归到同一组。每组留 4K其余删掉释放 15GB。这一项要求机器里有 ffmpeg没装的话扫描跑不起来我提前装好了。第四步音乐库用「相同音乐」。我勾了按音频内容比对它揪出 17 首 MP3 和 FLAC 各存一份的歌留 FLAC、删 MP3 副本释放 2.5GB。小计3.2 1.8 15 2.5 22.5GB相当于多装两部 4K 长片前后花了 40 分钟删除前每组都过了一遍预览。Krokiet 其他实用的清理功能️空文件夹删完文件后的空目录树它能整体识别我顺手清了 233 个。Exif 清除把照片里的定位、拍摄参数等元数据去掉照片外发前先过一遍。损坏文件与错误扩展名找出内容打不开的文件、内容和扩展名对不上的文件其中还有一张jpg其实是改名来的网页。如何让 Krokiet 扫描更快线程数按机器的逻辑核心数设置。我的 8 核机器扫 1.2 万张照片默认设置约 15 分钟手动拉满 8 线程后约 3 分钟再往上加没有收益。系统目录和程序安装路径加进排除列表整盘扫描时少遍历的目录比你想的多。内置缓存会记住已分析文件的哈希和时间戳机制在 czkawka_core 库里第二次扫描只查新增和变更固定目录反复扫时耗时能降一个量级。Krokiet 和同类工具差在哪单看重复文件这一项各家工具拉不开太大差距我留下它主要因为两点一是界面基于 Slint 框架Windows、Linux、macOS 上的行为一致不存在换个系统少个功能二是功能覆盖面广——相似视频按帧比对、音乐按内容比对、Exif 清理这些普通重复文件工具基本不带。另外它完全不联网、不收集任何统计文件内容不出本机。删除之前记住这几条删除是永久删除不进回收站我每次都对着预览再过一遍才动手。重要目录先备份或让工具只扫描不执行导出结果后手动删。相似视频依赖 ffmpeg提前确认装好了。网络驱动器和共享文件夹也可以放进扫描范围。NTFS、FAT32、exFAT、ext4 等主流文件系统都支持。从成本最低的步骤开始这周先拿「重复文件」扫一遍下载文件夹5 分钟就能看到能腾多少空间。之后把常用的几个目录放进固定安排每两周跑一轮就够维持住了。【免费下载链接】czkawkaMulti functional app to find duplicates, empty folders, similar images etc.项目地址: https://gitcode.com/GitHub_Trending/cz/czkawka创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
返回列表