dupeguru
dupeGuru 是一款跨平台的图形化实用工具，专为帮助用户快速清理磁盘空间而设计。它能深入扫描 Linux、macOS 和 Windows 系统，精准识别并定位重复文件，无论是完全相同的副本还是内容相似的文件（如不同分辨率的图片），都能被有效发现。通过解决文件冗余问题，dupeGuru 让用户能轻松释放存储空间，保持文件系统整洁有序。
这款工具非常适合普通电脑用户、家庭办公人员以及需要管理大量媒体素材的设计师使用。即使不具备编程背景，用户也能通过直观的界面轻松上手，无需输入复杂命令即可完成扫描与清理工作。
在技术实现上，dupeGuru 基于 Python 3 开发，并采用 Qt 框架构建界面，确保了在不同操作系统上拥有一致且流畅的使用体验。其核心亮点在于智能的文件比对算法，不仅支持按文件名匹配，更能通过内容分析来确认文件是否真正重复，从而避免误删。作为一个开源项目，dupeGuru 持续欢迎社区贡献，致力于为用户提供免费、高效且安全的文件管理方案。
使用场景
某自由摄影师在整理跨越三年的项目归档时，发现因多次备份和版本迭代，硬盘中混杂了大量重复的照片素材与工程文件，急需清理以释放存储空间。
没有 dupeguru 时
- 只能依赖操作系统自带的搜索功能按文件名查找，但无法识别内容相同却命名不同的文件（如
IMG_001.jpg与DSC_952.jpg）。 - 担心误删重要源文件，不得不人工逐个打开图片比对视觉内容，耗时数小时且极易产生视觉疲劳导致漏判。
- 对于相似但不完全相同的图片（如不同分辨率的导出图），缺乏智能过滤机制，难以制定安全的清理策略。
- 跨目录操作风险高，手动删除过程中容易误伤其他项目的关联文件，缺乏二次确认的安全缓冲。
使用 dupeguru 后
- 利用“内容匹配”模式快速扫描全盘，精准揪出文件名不同但二进制内容完全一致的冗余文件，无论它们藏得多深。
- 通过直观的分组界面一键预览重复项，智能标记保留最新或路径最优的文件，将原本半天的工作量压缩至几分钟。
- 启用“图片相似度”过滤功能，轻松识别并处理那些分辨率不同或经过轻微编辑的近似图片，灵活决定去留。
- 依托内置的“参考文件夹”保护机制，确保核心归档目录不被误触，仅在指定的临时备份区执行安全删除操作。
dupeguru 通过智能的内容指纹比对技术，将繁琐危险的人工查重重工作转化为安全高效的自动化流程，帮助用户瞬间找回宝贵的存储空间。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
dupeGuru
dupeGuru 是一款跨平台（Linux、OS X、Windows）的图形用户界面工具，用于查找系统中的重复文件。它主要使用 Python 3 编写，并采用 qt 框架构建用户界面。
当前状态
我们仍在寻找更多帮助，尤其是在以下方面：
- OS X 维护：复现 bug、验证打包。
- Linux 维护：复现 bug、维护 PPA 仓库、Debian 包和 rpm 包。
- 翻译：更新缺失的字符串，Transifex 项目地址为 https://www.transifex.com/voltaicideas/dupeguru-1。
- 文档：保持文档的最新状态。
本文件夹的内容
本文件夹包含 dupeGuru 的源代码。其文档位于 help 目录中，同时也以编译好的形式在在线文档中提供。以下是该源码树的组织结构：
- core：包含 dupeGuru 的核心逻辑代码，均为 Python 代码。
- qt：Qt 工具包的 UI 代码，使用 Python 和 PyQt 编写。
- images：不同 UI 代码库使用的图片资源。
- pkg：创建各种软件包所需的模板文件。
- help：使用 Sphinx 编写的帮助文档。
- locale：用于本地化的 .po 文件。
- hscommon：HS 系列应用中通用的辅助工具集合。
如何从源代码构建 dupeGuru
Windows 和 macOS 特定的额外说明
Windows 的构建说明请参阅 Windows 指南。
macOS 的构建说明（Qt 版本）请参阅 macOS 指南。
前置条件
- Python 3.7+
- PyQt5
系统配置
在基于 Linux 的环境中构建时，需要安装以下系统包或等效包：
- python3-pyqt5
- pyqt5-dev-tools（某些系统上需要，请参阅注释）
- python3-venv（仅当使用虚拟环境时）
- python3-dev
- build-essential
注：在某些 Linux 系统上，安装 python3-pyqt5 后，pyrcc5 并不会被添加到系统的 PATH 中，这会导致资源文件（包括图标）出现问题。这些系统应安装相应的 pyqt5-dev-tools 包。可以通过运行 which pyrcc5 来检查 pyrcc5 是否已正确安装。基于 Debian 的系统需要额外安装此包，而 Arch 系统则不需要。
此外，要创建软件包还需以下依赖：
- python3-setuptools
- debhelper
使用 Make 构建
dupeGuru 自带一个 Makefile，可用于构建和运行：
$ make && make run
不使用 Make 构建
$ cd <dupeGuru 目录>
$ python3 -m venv --system-site-packages ./env
$ source ./env/bin/activate
$ pip install -r requirements.txt
$ python build.py
$ python run.py
生成 Debian/Ubuntu 软件包
要生成软件包，必须先安装 requirements-extra.txt 中列出的额外依赖，步骤如下：
$ cd <dupeGuru 目录>
$ python3 -m venv --system-site-packages ./env
$ source ./env/bin/activate
$ pip install -r requirements.txt -r requirements-extra.txt
$ python build.py --clean
$ python package.py
也可以将其简化为一行命令（在目录内执行）：
$ bash -c "python3 -m venv --system-site-packages env && source env/bin/activate && pip install -r requirements.txt -r requirements-extra.txt && python build.py --clean && python package.py"
运行测试
完整的测试套件通过 Tox 1.7+ 运行。如果系统全局已安装 Tox，则无需设置虚拟环境，只需进入项目根目录并运行 tox 即可。
若系统未安装 Tox，请在虚拟环境中使用 pip install tox 安装，然后运行 tox。
您也可以不使用 Tox 运行自动化测试。运行测试所需的额外依赖列于 requirements-extra.txt 中。因此，您可以在虚拟环境中运行 pip install -r requirements-extra.txt，然后执行 py.test core hscommon。
版本历史
4.3.12022/07/094.3.02022/07/034.2.12022/03/264.2.02022/03/094.1.12021/03/224.1.02021/01/124.0.42019/05/144.0.32019/05/14常见问题
相似工具推荐
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。