Question

我正在尝试编写一个Python脚本，它将获取目录中所有文件的md5sum（在Linux中）。我相信我已经在下面的代码中完成了。

我希望能够运行它以确保目录中没有文件发生更改，并且没有添加任何文件进行删除。

问题是我是否对目录中的文件进行了更改，然后将其更改回来。我从运行下面的函数得到了不同的结果。（即使我更改了修改后的文件。

任何人都可以解释这个。如果你能想到一个解决方法，请告诉我？

def get_dir_md5(dir_path):
    """Build a tar file of the directory and return its md5 sum"""
    temp_tar_path = 'tests.tar'
    t = tarfile.TarFile(temp_tar_path,mode='w')  
    t.add(dir_path)
    t.close()

    m = hashlib.md5()
    m.update(open(temp_tar_path,'rb').read())
    ret_str = m.hexdigest()

    #delete tar file
    os.remove(temp_tar_path)
    return ret_str

修改正如这些优秀的人已经回答，看起来像tar包括标题信息，如修改日期。使用zip工作会有什么不同或其他格式吗？

还有其他的解决方法吗？

Answer 1

正如其他提到的答案，即使由于tar元数据更改或文件顺序更改而导致内容相同，两个tar文件也可能不同。您应该直接对文件数据运行校验和，对目录列表进行排序以确保它们始终处于相同的顺序。如果要在校验和中包含一些元数据，请手动包含它。

使用os.walk的未经测试的示例：

import os
import os.path
def get_dir_md5(dir_root):
    """Build a tar file of the directory and return its md5 sum"""

    hash = hashlib.md5()
    for dirpath, dirnames, filenames in os.walk(dir_root, topdown=True):

        dirnames.sort(key=os.path.normcase)
        filenames.sort(key=os.path.normcase)

        for filename in filenames:
            filepath = os.path.join(dirpath, filename)

            # If some metadata is required, add it to the checksum

            # 1) filename (good idea)
            # hash.update(os.path.normcase(os.path.relpath(filepath, dir_root))

            # 2) mtime (possibly a bad idea)
            # st = os.stat(filepath)
            # hash.update(struct.pack('d', st.st_mtime))

            # 3) size (good idea perhaps)
            # hash.update(bytes(st.st_size))

            f = open(filepath, 'rb')
            for chunk in iter(lambda: f.read(65536), b''):
                hash.update(chunk)

    return hash.hexdigest()

Answer 2

TAR文件头包含文件修改时间的字段;更改文件的行为，即使稍后更改了该更改，也意味着TAR文件头将不同，从而导致不同的哈希值。

Answer 3

您无需让TAR文件按照您的建议行事。

以下是您的解决方法算法：

走目录树;
获取每个文件的md5签名;
对签名进行排序;
获取单个文件的所有签名的文本字符串的md5签名。

单个结果签名将是您正在寻找的。

哎呀，你甚至不需要Python。你可以这样做：

find /path/to/dir/ -type f -name *.py -exec md5sum {} + | awk '{print $1}'\
| sort | md5sum

Answer 4

tar个文件包含超出实际文件内容的元数据，例如文件访问时间，修改时间等。即使文件内容没有改变，tar文件实际上也会有所不同。

确定是否已在目录中添加，删除或修改任何文件

4 个答案: