你好，戴尔，

谢谢你的回复。我不知道CRC的事。这有助于创建唯一的id。我已经研究了更多，我已经确定，在实际blob数据上进行聚合（或使用CRC）是更好的方法。文件大小可能会导致一些不匹配。这需要处理很多副本。

我将这些功能聚合起来，以便创建链接到同一文档的所有功能的列表。我给列表中的每个特性分配了相同的id，可以用来绑定到一个文档。这使文档的数量减少了不少，但是，我最后还是留下了一些重复的文档。我想现在我只需要打开相同文件大小的文档，验证它们是相同的文档，然后手动更改id。

谢谢，

贾斯廷

听起来您的附件PDF文件内容在一个属性中。尝试对该属性进行CRC—这会将内容减少到一个数字。然后对生成的CRC属性使用DuplicateFilter。有什么原因让你需要一个聚合器把东西连接起来吗？