匹配上传的 PDF 文档的重复项？答案

【问题标题】：Match duplication of the uploaded PDF document?匹配上传的 PDF 文档的重复项？
【发布时间】：2016-12-26 09:55:21
【问题描述】：

我正在考虑防止与我的一个应用程序重复相同的 pdf 文档。

我知道与文档名称一起完成这项任务非常简单，但是我不想通过名称来匹配 PDF 副本。

挑战来了，我想根据内容来检查上传文件的重复，而不是最终用户上传的文件的名称。

我过去从未阻止过这种情况，但想知道，如果有人有办法解决我的问题。

你的解决方案或技巧会很有帮助。

在此先感谢，并等待相同的奇怪解决方案。

【问题讨论】：

【解决方案1】：

我认为最好的方法是从上传的文件生成校验和，存储在数据库中（或其他地方），然后检查新上传文件的校验和是否已经存在于数据库中。

在 Ruby 中，您可以使用 Digest 模块来做到这一点：

require "digest"
data = File.read("some_file_path")
checksum = Digest::MD5.hexdigest(data)

您不必检查文件名，只需使用此校验和即可。

【讨论】：

【解决方案2】：

一种简单的方法是查看 MD5 校验和。与其逐行读取或解析文件，不如为它们生成 MD5 摘要并匹配。具有相同MD5值的是相同的文件。

如何在 Ruby 中为文件生成 MD5？

require 'digest'
Digest::MD5.file("path/tp/pdf").hexdigest
# md5 string

【讨论】：