Limpieza de archivos duplicados en una biblioteca de documentos: guía para administradores de SharePoint

Los archivos duplicados en una biblioteca de documentos de SharePoint desperdician espacio de almacenamiento y confunden a los usuarios que no pueden distinguir qué versión es la actual. Este problema suele ocurrir cuando los miembros del equipo cargan el mismo archivo varias veces, copian carpetas desde unidades locales o sincronizan bibliotecas con OneDrive sin una política clara de nombres de archivo. Este artículo explica las herramientas integradas y los métodos manuales que puede utilizar como administrador de SharePoint para encontrar y eliminar archivos duplicados sin dañar los metadatos de los documentos ni el historial de versiones.

Por qué se acumulan archivos duplicados en las bibliotecas de SharePoint

Los archivos duplicados aparecen por varias razones. Los usuarios a menudo arrastran archivos desde su escritorio a una biblioteca sin comprobar si ya existe un archivo con el mismo nombre. Cuando la sincronización de OneDrive está habilitada, una estructura de carpetas local copiada a la nube puede crear varias copias del mismo documento con nombres de archivo ligeramente diferentes, como Informe.docx e Informe (1).docx. El historial de versiones en SharePoint no detecta duplicados porque cada carga crea un nuevo elemento, no una nueva versión de un elemento existente.

SharePoint no incluye un escáner de archivos duplicados integrado. La plataforma se basa en el nombre y la ubicación del archivo para determinar la unicidad. Dos archivos con contenido idéntico pero nombres diferentes se tratan como documentos separados. Este comportamiento significa que los administradores deben usar herramientas externas o scripts personalizados para encontrar duplicados basados en hashes de contenido, tamaño de archivo o metadatos.

Requisitos previos para la limpieza de duplicados

Antes de comenzar a eliminar archivos, confirme que tiene los permisos correctos. Necesita al menos acceso de Edición o Colaboración a la biblioteca de documentos. Se requiere acceso de Administrador de la colección de sitios o Propietario para ejecutar scripts de PowerShell en el sitio. Realice una copia de seguridad de los archivos que planea eliminar exportando la biblioteca a un recurso compartido de archivos o descargando una copia de los posibles duplicados. Habilite el control de versiones en la biblioteca para que, si elimina accidentalmente el archivo incorrecto, pueda restaurar la versión anterior.

Método 1: Revisión manual mediante vistas de SharePoint

Para bibliotecas pequeñas con menos de 200 elementos, una revisión manual es el enfoque más seguro. Cree una vista personalizada que agrupe los archivos por nombre para que los duplicados aparezcan uno al lado del otro.

1. Abra la biblioteca de documentos
   Vaya al sitio de SharePoint y abra la biblioteca que contiene los posibles archivos duplicados.
2. Cree una nueva vista
   Haga clic en el icono de engranaje de configuración de la biblioteca, seleccione Configuración de la biblioteca y, a continuación, en Vistas, haga clic en Crear vista. Elija Vista estándar y asígnele el nombre Duplicate Scan.
3. Configure la agrupación y la ordenación
   En la configuración de la vista, en Agrupar por, seleccione Nombre. En Ordenar, seleccione Modificado descendente. Este orden coloca el duplicado modificado más recientemente en la parte superior de cada grupo.
4. Revise la agrupación
   Vuelva a la biblioteca y seleccione la vista Duplicate Scan. Desplácese por cada grupo. Si un grupo contiene más de un elemento, compare el tamaño del archivo y la fecha de modificación para decidir qué copia conservar.
5. Elimine las copias adicionales
   Seleccione el archivo duplicado que desea eliminar, haga clic en los puntos suspensivos y elija Eliminar. Confirme la eliminación en el cuadro de diálogo.

Este método funciona bien para bibliotecas con menos de 500 elementos. La revisión manual deja de ser práctica con volúmenes mayores.

Método 2: Script de PowerShell para detectar duplicados exactos

Para bibliotecas con miles de archivos, use PowerShell con el módulo PnP.PowerShell. Este script compara los hashes del contenido de los archivos para encontrar duplicados exactos independientemente del nombre del archivo.

1. Instale el módulo PnP.PowerShell
   Abra Windows PowerShell como administrador y ejecute: Install-Module PnP.PowerShell -Scope CurrentUser. Confirme la instalación cuando se le solicite.
2. Conéctese al sitio de SharePoint
   Ejecute: Connect-PnPOnline -Url "https://yourtenant.sharepoint.com/sites/yoursite" -Interactive. Inicie sesión con una cuenta de propietario del sitio.
3. Ejecute el script de detección de duplicados
   Ejecute el siguiente script. Reemplace DocumentLibraryName con el nombre real de la biblioteca.
   $library = "DocumentLibraryName"
$items = Get-PnPListItem -List $library -PageSize 500
$hashTable = @{}
foreach ($item in $items) {
$file = $item.File
if ($file -ne $null) {
$hash = Get-FileHash -Path $file.ServerRelativeUrl -Algorithm MD5
if ($hashTable.ContainsKey($hash.Hash)) {
Write-Output "Duplicate: $($file.Name) matches $($hashTable[$hash.Hash])"
} else {
$hashTable[$hash.Hash] = $file.Name
}
}
}
4. Revise la salida
   El script imprime cada par de duplicados. Copie los nombres de los archivos y verifíquelos manualmente en la biblioteca antes de eliminarlos.
5. Elimine los duplicados de la salida
   Utilice la interfaz de SharePoint para eliminar los archivos identificados por el script. No elimine archivos directamente desde PowerShell a menos que haya confirmado el ID exacto del elemento.

La comparación de hash MD5 detecta archivos con contenido binario idéntico incluso si los nombres de archivo difieren. Este método no detecta casi duplicados en los que solo cambiaron unas pocas palabras.

Método 3: Herramientas de terceros para bibliotecas grandes

Varias herramientas comerciales pueden escanear bibliotecas de SharePoint en busca de duplicados y proporcionar una interfaz web para la eliminación masiva. Herramientas como ShareGate, Metalogix y Collabspace Duplicate Checker ofrecen análisis programados, informes y limpieza con un solo clic. Evalúe el costo frente al tiempo ahorrado si su biblioteca contiene más de 10,000 archivos. La mayoría de las herramientas requieren un período de prueba para que pueda probarlas primero en una biblioteca pequeña.

Errores comunes al eliminar duplicados

Eliminar un archivo que tiene metadatos o permisos únicos

Un archivo puede parecer un duplicado de otro pero tener metadatos personalizados, permisos únicos o una etiqueta de retención requerida. Antes de eliminarlo, verifique las propiedades de cada posible duplicado. Abra el panel de detalles del archivo y busque cualquier valor de columna que difiera de la copia que planea conservar. Si los metadatos son importantes, cópielos al archivo que se conservará antes de la eliminación.

Eliminar el archivo con el historial de versiones actual

Si un duplicado tiene 20 versiones y el otro solo una, el archivo con el historial de versiones más completo suele ser el que se debe conservar. Abra el historial de versiones haciendo clic en el nombre del archivo y seleccionando Historial de versiones. Compare el número de versiones y el contenido de la última versión antes de eliminar.

No verificar archivos vinculados o referencias de elementos web

Un archivo puede estar referenciado por un elemento web de SharePoint, un flujo de Power Automate o un hipervínculo en otra página. Eliminar un archivo referenciado rompe la conexión. Use la función Buscar en la configuración del sitio para encontrar páginas o flujos que mencionen el nombre del archivo. Actualice esas referencias para que apunten al archivo que se conservará antes de la eliminación.

Limpieza manual vs limpieza automatizada

Elemento	Limpieza manual	Limpieza automatizada (PowerShell o herramienta)
Ideal para el tamaño de la biblioteca	Menos de 500 archivos	De 500 a 100,000 archivos
Método de detección	Comparación visual por nombre de archivo	Coincidencia de hash de contenido, tamaño de archivo o metadatos
Riesgo de eliminación accidental	Bajo porque se revisa cada archivo	Moderado si no se verifica la salida del script
Tiempo requerido	Horas para 500 archivos	Minutos para 10,000 archivos
Requiere conocimientos de PowerShell	No	Sí para el método de script

Después de finalizar la limpieza, configure una directiva de retención en el centro de administración de SharePoint para conservar solo la última versión de cada archivo. Esta directiva evita que los duplicados se acumulen de nuevo. También habilite la configuración Requerir desprotección en la biblioteca para que los usuarios deban desproteger un archivo antes de editarlo, lo que reduce la posibilidad de que varios usuarios carguen el mismo documento.