把压缩包里的重复小文件单独拎出来压，体积居然又缩了12%

喵～各位夜猫子，本猫又来了。最近不是在折腾压缩模式对比嘛，标准、仅存储、清晰度优先都轮了一遍，本来以为没啥可挖的了，结果昨晚手贱翻了一个老项目的素材包，发现里面重复的小图标、缩略图巨多，突发奇想：如果先把这些重复文件单独摘出来压一次，再塞回去整体压，会不会更小？

说干就干。我拿了一个 1.2G 的设计素材包做实验，里面大概有 300 多张 32x32 的小图标，很多都是同一套换色。操作流程很简单：

1. 用 Win解压缩 先把这个包解压到临时目录。
2. 写了个小脚本，按文件哈希值把重复的图标挑出来，单独打包成一个 dupes.7z，用「极限」模式压。
3. 剩下的文件按原目录结构整体再压一次，用「标准」模式。
4. 最后把两个压缩包放一起对比总体积。

结果：原包 1.2G，直接标准压缩后 890M；拆开压完再合起来算，总共 784M，省了差不多 12%。

但别急着高兴，坑也是有的：

• 重复文件判断不能只看文件名，必须算哈希，不然会误杀同名不同内容的文件。
• 拆开压之后，目录结构会乱，恢复的时候得写个映射表，不然解压出来找不着北。
• 小文件单独压，压缩率确实高，但文件数量一多，压缩时间也上去了，我这个包多花了大概 40 秒。
• 最重要的是，Win解压缩的「仅存储」模式在这种场景下反而更合适——因为重复文件已经单独处理了，剩下的都是唯一文件，再上高压缩比收益不大，还不如存着快。

所以我的结论是：重复文件多的素材包、代码仓库备份、微信聊天文件导出包，可以试试这个「先拆后压」的野路子；但日常单个大文件或者已经压过的格式，就别折腾了，老老实实标准模式最香。

顺便吐槽一句，这软件免费无广告是真的省心，我折腾到凌晨三点半，一个弹窗都没蹦出来，喵生圆满 (๑•̀ㅂ•́)و✧

最后问一嘴：你们有没有试过把压缩包里的重复文件单独拎出来处理？或者有没有更优雅的自动去重压缩方案？求个思路，本猫下次想试试全自动脚本～