Detección de Archivos con Nombres Similares entre Subcarpetas con PowerShell

Cuando se trabaja con grandes volúmenes de archivos organizados en múltiples carpetas, es común encontrarse con documentos duplicados o versiones similares con nombres apenas diferentes. Este script de PowerShell está diseñado precisamente para detectar archivos con nombres parecidos que se encuentren en diferentes subcarpetas de una carpeta raíz determinada. Su finalidad es facilitar la gestión de archivos y evitar duplicidades innecesarias.

# --- Configuración ---
$carpetaRaiz = "C:\Datos"
$umbralSimilitud = 0.6
$reporteCSV = "C:\Datos\reporte_similares.csv"

# --- Función rápida de similitud de nombre ---
function Get-FastNameSimilarity($n1, $n2) {
    $n1 = [System.IO.Path]::GetFileNameWithoutExtension($n1).ToLower().Replace(" ", "")
    $n2 = [System.IO.Path]::GetFileNameWithoutExtension($n2).ToLower().Replace(" ", "")

    if ($n1 -eq $n2) { return 1 }

    $longitudMax = [Math]::Max($n1.Length, $n2.Length)
    if ($longitudMax -eq 0) { return 0 }

    # Similitud basada en cuántos caracteres coinciden al inicio
    $comunes = 0
    for ($i = 0; $i -lt [Math]::Min($n1.Length, $n2.Length); $i++) {
        if ($n1[$i] -eq $n2[$i]) { $comunes++ } else { break }
    }

    return $comunes / $longitudMax
}

# --- Obtener subcarpetas ---
$subcarpetas = Get-ChildItem -Path $carpetaRaiz -Directory

# --- Recolectar archivos ---
$archivos = @()
foreach ($sub in $subcarpetas) {
    $archivos += Get-ChildItem -Path $sub.FullName -File | ForEach-Object {
        [PSCustomObject]@{
            NombreArchivo = $_.Name
            RutaCompleta = $_.FullName
            Carpeta = $sub.FullName
        }
    }
}

# --- Comparar archivos entre carpetas distintas ---
$resultados = @()

for ($i = 0; $i -lt $archivos.Count; $i++) {
    for ($j = $i + 1; $j -lt $archivos.Count; $j++) {
        $a1 = $archivos[$i]
        $a2 = $archivos[$j]

        if ($a1.Carpeta -ne $a2.Carpeta) {
            if ($a1.NombreArchivo -eq $a2.NombreArchivo) { continue }

            $similitud = Get-FastNameSimilarity $a1.NombreArchivo $a2.NombreArchivo
            if ($similitud -ge $umbralSimilitud) {
                $resultados += [PSCustomObject]@{
                    Archivo1  = $a1.NombreArchivo
                    Carpeta1  = $a1.Carpeta
                    Archivo2  = $a2.NombreArchivo
                    Carpeta2  = $a2.Carpeta
                    Similitud = "{0:P1}" -f $similitud
                }
            }
        }
    }
}

# --- Exportar resultados ---
if ($resultados.Count -gt 0) {
    $resultados | Export-Csv -Path $reporteCSV -NoTypeInformation -Encoding UTF8
    Write-Host "`nReporte generado correctamente en: $reporteCSV"
} else {
    Write-Host "`nNo se encontraron archivos similares según el criterio definido."
}

¿Qué Hace Este Script?

Este script realiza una comparación entre los nombres de los archivos encontrados en subcarpetas distintas de una carpeta principal (C:\Datos en el ejemplo), y genera un informe en formato CSV listando aquellos cuya similitud de nombres supere un umbral definido.

¿Cómo Funciona?

1. Parámetros de Configuración:
   • $carpetaRaiz: Ruta principal desde donde se analizan los archivos.
   • $umbralSimilitud: Nivel mínimo de coincidencia entre nombres de archivos para considerarlos "similares" (por ejemplo, 0.6 = 60%).
   • $reporteCSV: Ruta donde se guardará el reporte de resultados en formato .csv.
2. Función de Similitud Rápida:
   • La función Get-FastNameSimilarity compara dos nombres de archivo eliminando extensiones y espacios, convirtiéndolos a minúsculas.
   • Calcula la fracción de caracteres comunes al inicio de los nombres, en relación con la longitud del más largo.
3. Recolección de Archivos:
   • Se recorren todas las subcarpetas de la carpeta raíz.
   • Se crea una lista de objetos que contienen el nombre del archivo, su ruta completa y la carpeta en la que se encuentra.
4. Comparación de Archivos:
   • Se comparan los archivos entre sí, asegurando que no pertenezcan a la misma carpeta y que no tengan el mismo nombre exacto.
   • Si la similitud supera el umbral, se registra la coincidencia en la lista de resultados.
5. Exportación del Reporte:
   • Si se encuentran coincidencias, se exportan a un archivo CSV para su revisión.
   • Si no se encuentran, se informa al usuario mediante un mensaje en consola.

¿Para Qué Sirve?

Este script es útil en múltiples escenarios:

• Limpieza de archivos duplicados parcialmente renombrados.
• Auditoría de documentos en entornos compartidos.
• Verificación de versiones dispersas de un mismo documento.
• Consolidación de carpetas y organización documental.

Ejemplo de Salida en el CSV

Conclusión

Este script es una herramienta liviana pero poderosa para identificar archivos con nombres similares de forma rápida y eficaz usando PowerShell. Puede ser integrado en tareas de mantenimiento periódico o ejecutado puntualmente cuando se sospecha de desorganización en una estructura de carpetas.

Adaptarlo a tus necesidades es fácil: puedes mejorar el algoritmo de similitud, filtrar por extensiones específicas o agregar exclusiones personalizadas. En definitiva, un recurso ideal para mejorar la higiene de datos en tus sistemas.