Python3标准库：filecmp比较文件

1. filecmp比较文件

filecmp模块提供了一些函数和一个类来比较文件系统上的文件和目录。

1.1 示例数据

使用下面代码创建一组测试文件。

import os

def mkfile(filename, body=none):
    with open(filename, 'w') as f:
        f.write(body or filename)
    return

def make_example_dir(top):
    if not os.path.exists(top):
        os.mkdir(top)
    curdir = os.getcwd()
    os.chdir(top)

    os.mkdir('dir1')
    os.mkdir('dir2')

    mkfile('dir1/file_only_in_dir1')
    mkfile('dir2/file_only_in_dir2')

    os.mkdir('dir1/dir_only_in_dir1')
    os.mkdir('dir2/dir_only_in_dir2')

    os.mkdir('dir1/common_dir')
    os.mkdir('dir2/common_dir')

    mkfile('dir1/common_file', 'this file is the same')
    os.link('dir1/common_file', 'dir2/common_file')

    mkfile('dir1/contents_differ')
    mkfile('dir2/contents_differ')
    # update the access and modification times so most of the stat
    # results will match.
    st = os.stat('dir1/contents_differ')
    os.utime('dir2/contents_differ', (st.st_atime, st.st_mtime))

    mkfile('dir1/file_in_dir1', 'this is a file in dir1')
    os.mkdir('dir2/file_in_dir1')

    os.chdir(curdir)
    return

if __name__ == '__main__':
    os.chdir(os.path.dirname(__file__) or os.getcwd())
    make_example_dir('example')
    make_example_dir('example/dir1/common_dir')
    make_example_dir('example/dir2/common_dir')

运行这个脚本会在axample目录下生成一个文件树。

common_dir目录下也有同样的目录结构，以提供有意思的递归比较选择。 

1.2 比较文件

cmp()用于比较文件系统上的两个文件。

import filecmp

print('common_file    :', end=' ')
print(filecmp.cmp('example/dir1/common_file',
                  'example/dir2/common_file',
                  shallow=true),
      end=' ')
print(filecmp.cmp('example/dir1/common_file',
                  'example/dir2/common_file',
                  shallow=false))

print('contents_differ:', end=' ')
print(filecmp.cmp('example/dir1/contents_differ',
                  'example/dir2/contents_differ',
                  shallow=true),
      end=' ')
print(filecmp.cmp('example/dir1/contents_differ',
                  'example/dir2/contents_differ',
                  shallow=false))

print('identical      :', end=' ')
print(filecmp.cmp('example/dir1/file_only_in_dir1',
                  'example/dir1/file_only_in_dir1',
                  shallow=true),
      end=' ')
print(filecmp.cmp('example/dir1/file_only_in_dir1',
                  'example/dir1/file_only_in_dir1',
                  shallow=false))

shallo参数告诉cmp()除了文件的元数据外，是否还要查看文件的内容。默认情况下，会使用由os.stat()得到的信息来完成一个浅比较。如果结果是一样的，则认为文件相同。因此，对于同时创建的相同大小的文件，即使他们的内容不同，也会报告为是相同的文件。当shallow为false时，则要比较文件的内容。

如果非递归的比较两个目录中的一组文件，则可以使用cmpfiles()。参数是目录名和两个位置上要检查的我就爱你列表。传入的公共文件列表应当只包含文件名(目录会导致匹配不成功)，而且这些文件在两个位置上都应当出现。下一个例子显示了构造公共列表的一种简单方法。与cmp()一样，这个比较也有一个shallow标志。 

import filecmp
import os

# determine the items that exist in both directories
d1_contents = set(os.listdir('example/dir1'))
d2_contents = set(os.listdir('example/dir2'))
common = list(d1_contents & d2_contents)
common_files = [
    f
    for f in common
    if os.path.isfile(os.path.join('example/dir1', f))
]
print('common files:', common_files)

# compare the directories
match, mismatch, errors = filecmp.cmpfiles(
    'example/dir1',
    'example/dir2',
    common_files,
)
print('match       :', match)
print('mismatch    :', mismatch)
print('errors      :', errors)

cmpfiles()返回3个文件名列表，分别包含匹配的文件、不匹配的文件和不能比较的文件(由于权限问题或出于其他原因)。

1.3 比较目录

前面介绍的函数适合完成相对简单的比较。对于大目录树的递归比较或者更完整的分析，dircmp类很更有用。在最简单的用例中，report()会打印比较两个目录的报告。

import filecmp

dc = filecmp.dircmp('example/dir1', 'example/dir2')
dc.report()

输出是一个纯文本报告，显示的结果只包括给定目录的内容，而不会递归比较其子目录。在这里，认为文件not_the_same是相同的，因为这里没有比较内容。无法让dircmp像cmp()那样比较文件的内容。

为了更多的细节，也为了完成一个递归比较，可以使用report_full_closure()。 

import filecmp

dc = filecmp.dircmp('example/dir1', 'example/dir2')
dc.report_full_closure()

输出将包括所有同级子目录的比较。 

1.4 在程序中使用差异

除了生成打印报告，dircmp还能计算文件列表，可以在程序中直接使用。以下各个属性只在请求时才计算，所以对于未用的数据，创建dircmp实例不会带来开销。

import filecmp
import pprint

dc = filecmp.dircmp('example/dir1', 'example/dir2')
print('left:')
pprint.pprint(dc.left_list)

print('\nright:')
pprint.pprint(dc.right_list)

所比较目录中包含的文件和子目录分别列在left_list和right_list中。

可以向构造函数传入一个要忽略的名字列表(该列表中指定的名字将被忽略)来对输入进行过滤。默认的，rcs、cvs和tags等名字会被忽略。

import filecmp
import pprint

dc = filecmp.dircmp('example/dir1', 'example/dir2',
                    ignore=['common_file'])

print('left:')
pprint.pprint(dc.left_list)

print('\nright:')
pprint.pprint(dc.right_list)

在这里，将common_file从要比较的文件列表中去除。

两个输入目录*有的文件名会保存在common内，各目录独有的文件会列在left_only和right_only中。

import filecmp
import pprint

dc = filecmp.dircmp('example/dir1', 'example/dir2')
print('common:')
pprint.pprint(dc.common)

print('\nleft:')
pprint.pprint(dc.left_only)

print('\nright:')
pprint.pprint(dc.right_only)

"左"目录是dircmp()的第一个参数，"右"目录是第二个参数。

公共成员可以被进一步分解为文件、目录和“有趣”元素(两个目录中类型不同的内容，或者os.stat()指出的有错误的地方)。

import filecmp
import pprint

dc = filecmp.dircmp('example/dir1', 'example/dir2')
print('common:')
pprint.pprint(dc.common)

print('\ndirectories:')
pprint.pprint(dc.common_dirs)

print('\nfiles:')
pprint.pprint(dc.common_files)

print('\nfunny:')
pprint.pprint(dc.common_funny)

在示例数据中，file_in_dir1元素在一个目录中是一个文件，而在另一个目录中是一个子目录，所以它会出现在“有趣”列表中。

文件之间的差别也可以做类似的划分。

import filecmp

dc = filecmp.dircmp('example/dir1', 'example/dir2')
print('same      :', dc.same_files)
print('different :', dc.diff_files)
print('funny     :', dc.funny_files)

文件not_the_same通过os.stat()比较，并且不检查内容，所以它包含在same_files列表中。

最后一点，子目录也会被保存，以便容易地完成递归比较。

import filecmp

dc = filecmp.dircmp('example/dir1', 'example/dir2')
print('subdirectories:')
print(dc.subdirs)

属性subdirs是一个字典，它将目录名映射到新的dircmp对象。