Python 如何高效比对两个文件是否相同
判断文件是否相同可通过哈希比对、filecmp模块、分块比对和元信息预筛实现，分别适用于大文件、简单场景、超大文件和批量处理，兼顾效率与准确性。
判断两个文件是否相同，关键在于准确与效率的平衡。直接读取全部内容对比虽然简单，但对大文件不友好。以下是几种高效且实用的方法。
1. 使用文件哈希值比对
通过计算文件的哈希（如 MD5、SHA256）来判断内容是否一致，适合大文件或需要远程比对的场景。
优点：只需一次完整读取，内存可控，支持分块处理。
示例代码：
import hashlib
def get_file_hash(filepath, hash_algo=hashlib.md5):
hash_obj = hash_algo()
with open(filepath, 'rb') as f:
for chunk in iter(lambda: f.read(8192), b""):
hash_obj.update(chunk)
return hash_obj.hexdigest()
if get_file_hash('file1.txt') == get_file_hash('file2.txt'):
print("文件内容相同")
else:
print("文件内容不同")
2. 使用 filecmp 模块快速判断
Python 标准库 filecmp 提供了现成的文件比较功能，简洁高效。
示例：
import filecmp
if filecmp.cmp('file1.txt', 'file2.txt', shallow=False):
print("文件相同")
else:
print("文件不同")
shallow=True 时只比较文件元信息（如大小、修改时间），速度快；设为 False 则逐字节比对内容。
3. 逐块比对避免高内存占用
对于超大文件，可分块读取并实时比对，发现差异立即退出，节省时间。
实现方式：
- 同时打开两个文件，以固定大小（如 4KB）读取
- 每读一块就进行比对
- 一旦发现不同，立刻返回 False
代码示例：
def files_equal(file1, file2, block_size=8192):
with open(file1, 'rb') as f1, open(file2, 'rb') as f2:
while True:
b1 = f1.read(block_size)
b2 = f2.read(block_size)
if b1 != b2:
return False
if not b1:
break
return True
4. 先比较文件基本信息
在进行内容比对前，先检查文件大小和修改时间，能快速排除明显不同的文件。
示例：
import os
def quick_compare(file1, file2):
stat1 = os.stat(file1)
stat2 = os.stat(file2)
if stat1.st_size != stat2.st_size:
return False # 大小不同，肯定不一样
return filecmp.cmp(file1, file2, shallow=False)
基本上就这些。根据使用场景选择合适方法：追求简洁用 filecmp，大文件推荐哈希或分块比对，批量处理前先做大小过滤更高效。
