文本文件名相似度筛选工具
根据文件名相似度对TXT/HTML文件分组，并依据字数、句子数等内容指标自动保留每组中的最佳文件，实现高效去重。
本地执行模式说明
此工具为本地执行模式，您的所有数据均在您的浏览器中进行处理，不会上传到任何服务器。这意味着：
- 绝对安全：您的文件和信息不会离开您的电脑，隐私得到完全保障。
- 性能依赖：处理速度完全取决于您电脑的性能。
我们通过CDN网络加速工具加载，在部分网络环境下可能出现不稳定或无法使用的情况。如遇此问题，建议下载我们的 离线软件包 以获得最佳体验。
使用说明
使用说明
该工具帮助您从大量文件名相似的文本文件（.txt, .html）中，根据内容的优劣，自动筛选并保留最佳版本。
- 选择文件：点击“选择文件”按钮，一次性选择所有需要进行比较的文本文件。文件处理将在您的浏览器中完成，确保了数据隐私和安全。
- 设置相似度阈值：拖动滑块设置一个0-100%之间的文件名相似度阈值。只有文件名相似度高于此值的才会被归为同一组进行比较。
- 选择保留标准：从下拉菜单中选择一个标准，用于判断哪个文件是“最佳”的。例如，您可以选择保留“纯文本字符数最多”的文件。
- 开始筛选：点击“开始筛选”按钮。程序将开始分析文件、计算相似度并根据您的标准进行筛选。
- 下载结果：处理完成后，界面会显示摘要信息。您可以点击“下载保留文件 (ZIP)”按钮，将所有被保留的最佳文件以压缩包形式下载到本地。
常见问题
- 问：这个工具会上传我的文件到服务器吗？
- 答：不会。所有的文件读取、内容分析和筛选过程完全在您的本地浏览器中通过JavaScript执行，您的文件不会离开您的电脑，隐私和安全有充分保障。
- 问：为什么分词后词数和Python原版有差异？
- 答：由于浏览器环境的限制，网页版使用的是一个简化的分词算法，它主要通过标点符号和空格来切分词语，而Python桌面版使用了专业的`jieba`分词库。因此，对于纯中文文本，分词结果可能会有差异，但对于筛选相对优劣的目标，其结果仍具有很好的参考价值。
- 问：如果我选择了大量文件，浏览器会卡顿吗？
- 答：如果您一次性处理数千个非常大的文件，可能会暂时占用较多内存和CPU资源，导致浏览器响应变慢。建议您根据电脑性能分批处理，或在处理期间耐心等待。工具界面会实时显示处理进度。
- 问：什么是“文件名相似度”？它如何计算？
- 答：文件名相似度是通过“莱文斯坦距离”（Levenshtein Distance）算法计算的，它衡量的是将一个字符串（文件名）转变为另一个所需的最少单字符编辑（插入、删除或替换）次数。我们将这个距离转换为百分比，方便您直观理解。
- 问：筛选掉的文件去哪里了？
- 答：被筛选掉的文件只是在最终的下载结果中被排除了。您原始选择的文件在您的电脑上不会被移动或删除。您只会下载到一个包含所有被保留文件的ZIP压缩包。
