Починить сборку, вернуть CLI и сделать удаление безопасным

[maximkr]

Оформление репозитория плюс исправления, найденные при разборе кода.

Rust локально не установлен, поэтому сборку проверяет CI этой ветки — как раз потому, что первым делом чинится причина, по которой он не собирался.

Критичное

cargo.toml -> Cargo.toml. Cargo ищет манифест строго с большой буквы. На Windows и macOS файловая система регистронезависима и локально всё собиралось, а на ubuntu-latest — нет. Единственный запуск CI (17388393875) упал за 7 секунд.

Вернут CLI. Разбор args лежал закомментированным, вместо него было захардкожено:

let dir = Path::new("C:/projects/rust-hasher/m/");
let delete_count: usize = 20;

Теперь image-dedup <директория> [-n N] [-t D] [--strategy S] [--apply], разбор без внешних зависимостей, в стиле остального кода.

check_image больше не паникует. Было image::open(path).expect("Failed to open image") — один desktop.ini, .txt или битый файл в папке ронял программу. При этом функция возвращала Option<ImageHash>, но None не возвращала никогда. Теперь не-изображения пропускаются с сообщением в stderr.

Безопасность удаления

Удаление необратимое, в корзину не кладёт, поэтому:

Сухой прогон по умолчанию. Без --apply печатается только список того, что было бы удалено.

Порог похожести -t. Раньше удалялось ровно N файлов независимо от того, похожи они на самом деле или нет: в папке из 100 совершенно разных картинок всё равно удалялись бы 20 — просто наименее разные. Теперь работа прекращается, когда ближайшая пара оказывается дальше порога, а -n работает как верхний предел. Порог проверяется по расстоянию до ближайшего соседа, что осмысленно для обеих стратегий.

expect() на чтении директории и удалении файла заменены на возврат ошибки с внятным сообщением и ненулевым кодом выхода.

Прочее

• find_most_similar_to_all_other() была мёртвым кодом — вызов закомментирован в main.rs:107. Теперь доступна как --strategy central, в отличие от pairwise она выбивает «центр масс» набора.
• Обход директории отсортирован. read_dir отдаёт файлы в порядке файловой системы, а при равных расстояниях именно порядок решает, какой файл из пары удалить, — прогоны были невоспроизводимы.
• Хешер создаётся один раз, а не заново на каждый файл.
• Имя пакета phash_image_cleaner -> image-dedup, по имени репозитория. Меняет имя бинарника.
• Добавлены README.md (задача, модель, стратегии, подбор порога, ограничения) и .gitignore для target/.
• Добавлены тесты разбора аргументов — CI запускал cargo test при полном отсутствии тестов.

Что осознанно не трогал

• Алгоритм хеширования. HasherConfig::new() даёт HashAlg::Gradient, а не pHash, — вопреки прежнему имени пакета и топикам репозитория (phash, phash-similarity). Включение .preproc_dct() изменило бы результаты на существующих датасетах, так что это отдельное решение; расхождение описано в README.
• Сложность O(N · n²) — матрица расстояний пересчитывается на каждой итерации. Описано в README как известное ограничение.
• img_hash 3.2 заброшен с ~2020 и тянет устаревший image 0.23. Переход на image_hasher — отдельная задача.

🤖 Generated with Claude Code