Cómo encontrar archivos duplicados en tu PC con seguridad

Por qué emparejar por nombre y tamaño encuentra los archivos equivocados

El emparejamiento por nombre falla en ambas direcciones. La misma foto guardada dos veces se convierte en IMG_4021.jpg e IMG_4021 (1).jpg — nombres distintos, bytes idénticos —, mientras que dos documentos sin relación alguna pueden llamarse los dos factura.pdf. Añadir el tamaño reduce los falsos aciertos, pero no los elimina: dos JPEG distintos de la misma cámara caen a menudo a pocos bytes de diferencia, y muchísimos archivos pequeños de configuración tienen exactamente el mismo tamaño por casualidad.

La dirección que de verdad importa para la seguridad es el falso positivo: una herramienta que da por duplicados dos archivos que solo se parecen acabará borrando algo insustituible. Por eso el emparejamiento de “imágenes similares” merece desconfianza para cualquier cosa automatizada. Es genuinamente útil para repasar una fototeca a mano, pero una ráfaga de diez fotos casi idénticas son diez fotografías distintas, no nueve duplicados, y ningún algoritmo sabe en qué fotograma están los ojos abiertos.

La única definición que se sostiene es la identidad byte a byte. Dos archivos son duplicados si su contenido es idéntico, sin importar el nombre, la carpeta, la marca de tiempo o la extensión. Eso es una pregunta que un hash responde, y siempre la responde igual.

Cómo funciona el hash de contenido, y por qué es rápido

Un hash criptográfico reduce cualquier archivo a una huella de longitud fija: 64 caracteres hexadecimales en el caso de SHA-256. Un contenido idéntico produce siempre la misma huella y, en la práctica, dos archivos distintos jamás colisionan. Comparar huellas es por tanto un sustituto fiable de comparar archivos enteros, y permite comparar miles de archivos entre sí en vez de por parejas.

Hashearlo todo significaría leer cada byte del disco, así que una implementación competente trabaja por etapas. Primero agrupa los archivos por tamaño exacto, porque dos archivos de tamaños distintos no pueden ser idénticos, y ese paso solo elimina a la inmensa mayoría de los candidatos sin leer nada de contenido. Después calcula el hash solo de un pequeño prefijo de los archivos que quedan en grupos de varios. Solo los supervivientes de esa ronda reciben un SHA-256 completo. En un disco típico, la etapa de lectura completa acaba tocando una fracción pequeña de los datos.

Esa estructura por etapas explica cómo debe sentirse un análisis. Una primera pasada sobre unos cientos de miles de archivos es sobre todo trabajo de metadatos y termina en minutos; lo lento es el hash final de los archivos de vídeo grandes que comparten tamaño de verdad. Si una herramienta tarda horas y clava el disco mientras afirma comparar por contenido, probablemente está hasheándolo todo sin criterio.

Hacerlo a mano con PowerShell

No necesitas ningún software para una comprobación puntual. La siguiente línea agrupa los archivos por tamaño, descarta los tamaños únicos, calcula el hash SHA-256 del resto y muestra solo los grupos donde más de un archivo comparte hash. Apúntala a una carpeta concreta — un disco entero funciona, pero tardará.

• Get-ChildItem -Path 'C:\Users\TuNombre\Pictures' -Recurse -File | Group-Object Length | Where-Object { $_.Count -gt 1 } | ForEach-Object { $_.Group } | Get-FileHash -Algorithm SHA256 | Group-Object Hash | Where-Object { $_.Count -gt 1 } | ForEach-Object { $_.Group.Path }
• Añade -Filter '*.jpg' a Get-ChildItem para limitarlo a un solo tipo de archivo
• Añade | Out-File C:\Temp\dupes.txt al final para guardar la lista y revisarla
• Ejecútalo en Windows Terminal o PowerShell; no hacen falta derechos de administrador para tus propias carpetas
• Usa Get-FileHash -Algorithm SHA1 si vas a hashear una videoteca muy grande y quieres ir más rápido

Lee la salida antes de borrar nada

El comando de arriba imprime deliberadamente rutas y no borra nada. Esa separación es todo el modelo de seguridad: genera una lista, léela y luego actúa. Ordena la salida por carpeta y el patrón se verá enseguida: una carpeta de importación de la cámara duplicada en una carpeta de copia con fecha, un proyecto exportado dos veces, una música que existe a la vez en Música y en una copia vieja de disco externo pegada en C:.

Cuando llegue el momento de borrar, bórralo a la Papelera de reciclaje y no de forma permanente, y hazlo en lotes pequeños con una pausa para usar el equipo con normalidad entre medias. El modo de fallo de la limpieza de duplicados nunca es un único archivo equivocado: es una selección masiva hecha con confianza a través de carpetas cuya relación no habías entendido. Mantener la Papelera en el circuito convierte un error caro en una molestia.

Dónde se acumulan los duplicados de verdad

Los duplicados reales se concentran en un puñado de sitios predecibles, y analizar solo esos es a la vez más rápido y mucho más seguro que analizar C: entero. Descargas es el campeón: el mismo instalador o PDF descargado tres veces, cada uno con su sufijo numerado. Las carpetas de fotos vienen segundo, normalmente porque una importación del teléfono se ejecutó dos veces o porque una tarjeta se copió antes y después de un renombrado.

• Descargas — descargas repetidas con sufijos (1), (2)
• Imágenes y carpetas de importación del teléfono — una importación ejecutada más de una vez
• Carpetas en la nube — copias por conflicto de OneDrive y Dropbox con el nombre del equipo añadido
• Escritorio y carpetas de “escritorio viejo” que quedaron de una reinstalación de Windows
• Carpetas de medios de mensajería — la misma imagen guardada por varios chats
• Carpetas de exportación de proyectos — renders y compilaciones exportados una y otra vez
• Un disco externo antiguo copiado íntegro dentro de una carpeta de C:

Lo que jamás se debe deduplicar

El contenido duplicado dentro de instalaciones de software es normal e intencional. Muchas aplicaciones reparten a propósito la misma biblioteca de runtime por varias carpetas para que cada una cargue la versión con la que se probó; borrar una copia porque coincide con otra es la receta para una aplicación que arranca bien y falla en una función concreta meses después. La misma lógica vale para los paquetes de recursos de juegos y para las carpetas de desarrollo donde dependencias idénticas aparecen en muchos subdirectorios de proyectos.

El propio Windows es el filo más afilado. C:\Windows\WinSxS está lleno de archivos que parecen duplicados pero son enlaces físicos que apuntan a los mismos datos del disco, así que un escáner ingenuo reporta gigabytes de “duplicados” que no liberan nada al borrarlos y rompen el mantenimiento cuando lo hacen. Limita cualquier análisis de duplicados a tus propias carpetas de datos, y toma una herramienta que ofrezca analizar carpetas del sistema como motivo para cambiar de herramienta.

• C:\Windows y todo lo que haya bajo él, WinSxS por encima de todo
• C:\Program Files y C:\Program Files (x86)
• %APPDATA% y %LOCALAPPDATA% — estado y perfiles de aplicaciones
• C:\ProgramData — licencias y bases de datos de aplicaciones
• Carpetas de instalación de juegos y directorios de contenido de lanzadores
• Carpetas de desarrollo: node_modules, vendor, entornos virtuales, salida de compilaciones
• Cualquier cosa en un disco del que no eres el único usuario

Elegir qué copia sobrevive, y las trampas

Una vez confirmado que un grupo es idéntico, la copia superviviente debe ser la de la ubicación donde buscarías primero, que suele ser la carpeta original y no la copia de seguridad, ni la de Descargas ni la del Escritorio. Prefiere la ruta con el nombre más corto y sensato. Si una copia vive en una carpeta sincronizada en la nube y otra no, conserva la sincronizada solo si esa carpeta es de verdad tu lugar de trabajo; si no, le estás entregando tu única copia a un servicio cuya sincronización quizá restablezcas más adelante.

Tres trampas merecen nombre propio. Los archivos enlazados físicamente aparecen como rutas separadas que comparten los mismos datos, así que borrar uno no libera nada y el otro sigue funcionando: inofensivo, pero desconcertante cuando el ahorro prometido nunca aparece. Los marcadores de posición de la nube bajo los Archivos a petición de OneDrive pueden no estar presentes localmente en absoluto, y hashearlos fuerza la descarga de la carpeta entera. Y los archivos dentro de una carpeta gestionada por otra cosa — un conjunto de copias de seguridad, un repositorio, una biblioteca de juegos — son duplicados solo desde el punto de vista del sistema de archivos: el programa que los posee espera ambos.

Para una versión repetible de este flujo, el buscador de duplicados de Kleaner PRO compara por SHA-256 y no por nombre, excluye por defecto las carpetas del sistema y de programas, agrupa las coincidencias con sus rutas completas y te deja conservar la copia que elijas antes de eliminar nada. La ruta de PowerShell de arriba hace el mismo trabajo para una sola carpeta, y es la herramienta correcta cuando solo quieres revisar un sitio.

Preguntas y respuestas

Sigue leyendo

Todos los artículos · FAQ