确定目录中是否添加、删除或修改了任何文件

Question

我正在尝试编写一个Python脚本来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这一点。

我希望能够运行它以确保目录中的文件没有更改，并且没有添加要删除的文件。

问题是，如果我对目录中的文件进行更改，然后又将其更改回来。运行下面的函数我得到了不同的结果。 （即使我将修改后的文件改回来。

谁能解释一下。如果您能想到解决方法，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

编辑： 正如这些好人所回答的那样，看起来 tar 包含标题信息，例如修改日期。使用 zip 或其他格式会有什么不同吗？

还有其他解决方法吗？

Answer 1

正如其他答案提到的，即使内容相同，两个 tar 文件也可能不同，因为 tar 元数据更改或文件顺序更改。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。如果您想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 文件头包含一个文件修改时间字段；更改文件的行为，即使该更改后来又改回来，也意味着 TAR 文件头将不同，从而导致不同的哈希值。

Answer 3

您不需要制作 TAR 文件来执行您建议的操作。

这是您的解决算法：

1. 遍历目录树；
2. 取每个文件的md5签名；
3. 对签名进行排序；
4. 获取各个文件的所有签名的文本字符串的 md5 签名。

生成的单个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 文件包含实际文件内容之外的元数据，例如文件访问时间、修改时间等。即使文件内容没有更改，tar 文件也会事实有所不同。