Como Limpar Arquivos Duplicados em uma Biblioteca de Documentos: Guia para Administradores do SharePoint

Arquivos duplicados em uma biblioteca de documentos do SharePoint desperdiçam espaço de armazenamento e confundem usuários que não conseguem identificar qual versão é a atual. Esse problema geralmente ocorre quando membros da equipe enviam o mesmo arquivo várias vezes, copiam pastas de unidades locais ou sincronizam bibliotecas com o OneDrive sem uma política clara de nomenclatura. Este artigo explica as ferramentas internas e métodos manuais que você pode usar como administrador do SharePoint para encontrar e remover arquivos duplicados sem quebrar metadados de documentos ou histórico de versões.

Por que Arquivos Duplicados se Acumulam em Bibliotecas do SharePoint

Arquivos duplicados aparecem por vários motivos. Os usuários frequentemente arrastam arquivos de suas áreas de trabalho para uma biblioteca sem verificar se um arquivo com o mesmo nome já existe. Quando a sincronização do OneDrive está ativada, uma estrutura de pastas local copiada para a nuvem pode criar várias cópias do mesmo documento com nomes de arquivo ligeiramente diferentes, como Relatorio.docx e Relatorio (1).docx. O histórico de versões no SharePoint não detecta duplicatas porque cada upload cria um novo item, não uma nova versão de um item existente.

O SharePoint não inclui um scanner de arquivos duplicados integrado. A plataforma depende do nome e localização do arquivo para determinar a exclusividade. Dois arquivos com conteúdo idêntico, mas nomes diferentes, são tratados como documentos separados. Esse comportamento significa que os administradores devem usar ferramentas externas ou scripts personalizados para encontrar duplicatas com base em hashes de conteúdo, tamanho do arquivo ou metadados.

Pré-requisitos para Limpeza de Duplicatas

Antes de começar a remover arquivos, confirme que você tem as permissões corretas. Você precisa de pelo menos acesso de Edição ou Contribuição à biblioteca de documentos. Acesso de Administrador do Conjunto de Sites ou Proprietário é necessário para executar scripts PowerShell no site. Faça backup de todos os arquivos que planeja excluir exportando a biblioteca para um compartilhamento de arquivos ou baixando uma cópia das duplicatas suspeitas. Ative o controle de versão na biblioteca para que, se você excluir acidentalmente o arquivo errado, possa restaurar a versão anterior.

Método 1: Revisão Manual Usando Exibições do SharePoint

Para bibliotecas pequenas com menos de 200 itens, a revisão manual é a abordagem mais segura. Crie uma exibição personalizada que agrupe arquivos por nome para que duplicatas apareçam lado a lado.

1. Abra a biblioteca de documentos
   Navegue até o site do SharePoint e abra a biblioteca que contém os arquivos duplicados suspeitos.
2. Crie uma nova exibição
   Clique no ícone de engrenagem das configurações da biblioteca, selecione Configurações da biblioteca e, em Exibições, clique em Criar exibição. Escolha Exibição padrão e nomeie-a como Varredura de Duplicatas.
3. Configure agrupamento e classificação
   Nas configurações da exibição, em Agrupar por, selecione Nome. Em Classificar, selecione Modificado decrescente. Essa ordem coloca a duplicata modificada mais recentemente no topo de cada grupo.
4. Verifique o agrupamento
   Volte à biblioteca e selecione a exibição Varredura de Duplicatas. Percorra cada grupo. Se um grupo contiver mais de um item, compare o tamanho do arquivo e a data de modificação para decidir qual cópia manter.
5. Exclua as cópias extras
   Selecione o arquivo duplicado que deseja remover, clique nas reticências e escolha Excluir. Confirme a exclusão na caixa de diálogo.

Este método funciona bem para bibliotecas com menos de 500 itens. A revisão manual se torna impraticável em volumes maiores.

Método 2: Script PowerShell para Detectar Duplicatas Exatas

Para bibliotecas com milhares de arquivos, use PowerShell com o módulo PnP.PowerShell. Este script compara hashes de conteúdo de arquivos para encontrar duplicatas exatas, independentemente do nome do arquivo.

1. Instale o módulo PnP.PowerShell
   Abra o Windows PowerShell como administrador e execute: Install-Module PnP.PowerShell -Scope CurrentUser. Confirme a instalação quando solicitado.
2. Conecte-se ao site do SharePoint
   Execute: Connect-PnPOnline -Url "https://sualocacao.sharepoint.com/sites/seosite" -Interactive. Faça login com uma conta de proprietário do site.
3. Execute o script de detecção de duplicatas
   Execute o script a seguir. Substitua NomeDaBibliotecaDeDocumentos pelo nome real da biblioteca.
   $library = "NomeDaBibliotecaDeDocumentos"
$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 "Duplicata: $($file.Name) corresponde a $($hashTable[$hash.Hash])"
} else {
$hashTable[$hash.Hash] = $file.Name
}
}
}
4. Revise a saída
   O script imprime cada par duplicado. Copie os nomes dos arquivos e verifique-os manualmente na biblioteca antes da exclusão.
5. Exclua duplicatas da saída
   Use a interface do SharePoint para excluir os arquivos identificados pelo script. Não exclua arquivos diretamente do PowerShell a menos que tenha confirmado o ID exato do item.

A comparação de hash MD5 captura arquivos com conteúdo binário idêntico, mesmo que os nomes dos arquivos sejam diferentes. Este método não detecta quase duplicatas onde apenas algumas palavras foram alteradas.

Método 3: Ferramentas de Terceiros para Bibliotecas Grandes

Várias ferramentas comerciais podem escanear bibliotecas do SharePoint em busca de duplicatas e fornecer uma interface web para exclusão em massa. Ferramentas como ShareGate, Metalogix e Collabspace Duplicate Checker oferecem varreduras agendadas, relatórios e limpeza com um clique. Avalie o custo em relação ao tempo economizado se sua biblioteca contiver mais de 10.000 arquivos. A maioria das ferramentas oferece um período de teste para que você possa testá-las em uma biblioteca pequena primeiro.

Erros Comuns ao Remover Duplicatas

Excluir um arquivo que possui metadados ou permissões exclusivas

Um arquivo pode parecer uma duplicata de outro, mas ter metadados personalizados, permissões exclusivas ou um rótulo de retenção obrigatório. Antes de excluir, verifique as propriedades de cada duplicata suspeita. Abra o painel de detalhes do arquivo e procure por valores de coluna que diferem da cópia que você planeja manter. Se os metadados forem importantes, copie-os para o arquivo sobrevivente antes da exclusão.

Remover o arquivo com o histórico de versões atual

Se uma duplicata tiver 20 versões e a outra apenas uma, o arquivo com o histórico de versões mais rico geralmente é o que deve ser mantido. Abra o histórico de versões clicando no nome do arquivo e selecionando Histórico de versões. Compare o número de versões e o conteúdo da versão mais recente antes de excluir.

Não verificar arquivos vinculados ou referências de web part

Um arquivo pode ser referenciado por uma web part do SharePoint, um fluxo do Power Automate ou um hiperlink em outra página. Excluir um arquivo referenciado quebra a conexão. Use o recurso de Pesquisa nas configurações do site para encontrar páginas ou fluxos que mencionam o nome do arquivo. Atualize essas referências para apontar para o arquivo sobrevivente antes da exclusão.

Limpeza Manual vs Limpeza Automatizada

Item	Limpeza Manual	Limpeza Automatizada (PowerShell ou Ferramenta)
Melhor para tamanho da biblioteca	Menos de 500 arquivos	500 a 100.000 arquivos
Método de detecção	Comparação visual por nome de arquivo	Hash de conteúdo, tamanho do arquivo ou correspondência de metadados
Risco de exclusão acidental	Baixo porque cada arquivo é revisado	Moderado se a saída do script não for verificada
Tempo necessário	Horas para 500 arquivos	Minutos para 10.000 arquivos
Requer conhecimento de PowerShell	Não	Sim para o método de script

Após concluir a limpeza, configure uma política de retenção na central de administração do SharePoint para manter apenas a versão mais recente de cada arquivo. Essa política impede que duplicatas se acumulem novamente. Ative também a configuração Exigir Check Out na biblioteca para que os usuários precisem fazer checkout de um arquivo antes de editá-lo, o que reduz a chance de vários usuários enviarem o mesmo documento.