verifique los archivos para la igualdad

Question

¿cuál es la manera más elegante de verificar los archivos para la igualdad en Python? ¿Suma de comprobación? Bytes comparando? Los archivos Think no serán más grandes que 100-200 MB

Answer 1

utilice hashlib para obtener el md5 de cada archivo y compare los resultados.

#! /bin/env python 
import hashlib 
def filemd5(filename, block_size=2**20): 
    f = open(filename) 
    md5 = hashlib.md5() 
    while True: 
     data = f.read(block_size) 
     if not data: 
      break 
     md5.update(data) 
    f.close() 
    return md5.digest() 

if __name__ == "__main__": 
    a = filemd5('/home/neo/todo') 
    b = filemd5('/home/neo/todo2') 
    print(a == b) 

---

Actualización: A partir de Python 2.1 hay un filecmp module que hace exactamente lo que quiere, y tiene métodos para comparar directorios también. nunca supe acerca de este módulo, todavía estoy aprendiendo Python mismo :-)

>>> import filecmp 
>>> filecmp.cmp('undoc.rst', 'undoc.rst') 
True 
>>> filecmp.cmp('undoc.rst', 'index.rst') 
False 

Answer 2

Ok, esto podría necesitar dos respuestas por separado.

Si tiene que comparar muchos archivos, vaya a la suma de comprobación y guarde en caché la suma de comprobación para cada archivo. Para estar seguro, compara el byte de archivos coincidentes para byte después.

Si solo tiene dos archivos, vaya directamente para la comparación de bytes porque debe leer el archivo de todos modos para calcular la suma de comprobación.

En ambos casos, utilice el tamaño del archivo como una forma temprana de comprobar la desigualdad.

Answer 3

Me gustaría hacer la suma de comprobación con MD5 (por ejemplo) en lugar de byte comaprasion más la verificación de la fecha y depende de usted necesita verificación de nombre.

Answer 4

¿Qué tal desgranar a cmp?

import commands 
status, output = commands.getstatusoutput("/usr/bin/cmp file1 file2") 
if (status == 0): 
    print "files are same" 
elif (status == 1): 
    print "files differ" 
else: 
    print "uh oh!" 

Answer 5

Antes de intentar cualquiera de las otras soluciones, es posible que desee hacer os.path.getsize(...) en ambos archivos. Si eso difiere, no hay necesidad de comparar bytes o calcular suma de comprobación.

Por supuesto, esto solo ayuda si el tamaño del archivo no es fijo.

Ejemplo:

def foo(f1, f2): 
    if not os.path.getsize(f1) == os.path.getsize(f2): 
     return False # Or similar 

    ... # Checksumming/byte-comparing/whatever 

Answer 6

¿Qué hay de filecmp módulo? Puede hacer la comparación de archivos de muchas maneras diferentes con diferentes compensaciones.

Y aún mejor, que es parte de la biblioteca estándar:

http://docs.python.org/library/filecmp.html