使用Python递归比较文件夹

Question

我打算在Python中实现一个递归的文件夹比较功能。你觉得用什么算法比较好呢？

1. 先获取两个文件夹里的文件列表
2. 对这两个列表进行排序
3. 使用filecmp模块来比较文件
4. 对每个文件夹重复这个过程

最后，我需要得到的只是不同的文件列表（这里不需要内容上的差异），以及在其中一个可比较的文件夹中缺失的文件列表。

谢谢。

Answer 1

如果我是你，我会先看看有没有其他软件已经实现了这个功能，比如 rsync 或 diff。从我看到的情况来看，这两个软件都有你需要的功能。关于这些软件的更多信息可以在 这里找到。

如果你真的想用Python来做这个，我会稍微调整一下你的算法，让它看起来像这样：

1. 用 os.walk 把两个路径的内容分别存到两个列表变量里；
2. 遍历第一个列表中的每个值，去找第二个列表中对应的值；
3. 如果找到了对应的值，就用 filecmp 模块进行比较。否则，显示缺失的文件；
4. 把找到的值从第二个列表中删除；
5. 回到第2步，直到第一个列表为空为止；
6. 把第二个列表中剩下的所有内容打印出来；

Answer 2

在一个文件夹里进行递归搜索，对于每个文件，计算它的md5或sha校验和，并把这个校验和作为字典的键，把文件的路径和名字作为值存储起来。对两个文件夹都这样做。然后你可以从每个文件夹中移除相同的键值对，最后得到的就是那些缺失或不同的文件。

这样做会形成一个简单的O(n)算法，其中n是文件夹的大小。