判断两个 MP3 文件是否重复的最快方法是什么？

Question

我想编写一个程序来删除重复的 iTunes 音乐文件。识别欺骗的一种方法是比较 MP3 和 m4a 文件的 MD5 摘要。有没有更有效的策略？

顺便说一句，iTunes 上的“显示重复项”菜单命令会显示误报。显然它只是比较 Artist 和 Track 标题字符串。

Answer 1

如果您使用哈希来比较两组数据，理想情况下，它们每次都必须具有完全相同的输入才能获得完全相同的输出（除非您奇迹般地选择了两次不同输入的碰撞，从而导致相同的输出）。如果您想通过散列整个文件来比较两个 MP3 文件，那么这两组歌曲数据可能完全相同，但由于 ID3 存储在文件中，因此存在差异可能会使文件看起来完全不同。由于您使用的是哈希，因此您不会注意到这两个文件中可能有 99% 是匹配的，因为输出会相差太大。

如果您真的想使用哈希来执行此操作，您应该只对声音数据进行哈希处理，不包括可能附加到文件的任何标签。不建议这样做，例如，如果从 CD 上翻录音乐，并且翻录同一张 CD 两次不同的时间，则结果可能会根据翻录参数进行不同的编码/压缩。

一个更好（但更复杂）的替代方法是尝试比较未压缩的音频数据值。通过对已知输入的一些尝试和错误可以产生一个不错的算法。完美地做到这一点将非常困难（如果可能的话），但如果你得到的东西准确率超过 50%，那会比手工完成要好。

请注意，即使是可以检测两首歌曲是否接近的算法（比如同一首歌曲在不同参数下翻录），算法也必须比现场版本是否像录音室版本更复杂.如果你能做到这一点，这里就有钱！

回到最初的想法，即判断它们是否重复的速度。散列会快得多，但比任何用于此目的的算法准确度要低得多。这是速度与准确性和复杂性的对比。