如何在Python中查找修改过的文件

Question

我想监视一个文件夹，看看是否添加了新文件，或者修改了现有文件。问题是，不能保证我的程序会一直运行（因此，基于inotify的解决方案在这里可能不适合）。我需要缓存上次扫描的状态，然后与下一次扫描进行比较，然后再处理文件。在

在Python2.7中实现这一点有哪些替代方案？在

注1：处理这些文件是很昂贵的，所以我试图同时处理那些没有被修改的文件。因此，如果文件只是重命名的（与文件内容的更改相反），我也希望检测到它并跳过处理过程。在

注2：我只对Linux解决方案感兴趣，但如果添加其他平台的答案，我不会抱怨。在

Answer 1

有几种方法可以检测文件中的更改。有些比较容易 比别人更傻。听起来这不是一个安全问题；更多 就像诚信是假设的，你只需要在没有 不得不智胜对手。在

你可以看看时间戳。如果不重命名文件，这是一个好方法 检测变化。如果它们被重命名，单独的时间戳不会 足以可靠地区分一个文件和另一个文件。os.stat会告诉你的 上次修改文件的时间。在

您可以查看inode，例如，ls -li。文件的inode编号可能会更改 如果更改涉及创建新文件并删除旧文件，则这是 例如，emacs通常如何更改文件。尝试更改文件 使用组织使用的标准工具，并比较以前的inode 但要记住，即使这次它没有改变，它 在某些情况下可能会改变。os.stat将告诉您inode 数字。在

你可以看看文件的内容。cksum计算一个小的CRC 文件上的校验和；如果有人想打败它很容易。这样的程序 当sha256sum计算安全哈希时，无法更改文件 不改变这样的散列。如果文件很大，这可能会很慢。 hashlib模块将计算几种安全哈希。在

如果文件被重命名和更改，并且其索引节点号发生更改，则 可能很难与以前的文件匹配 除非文件中的数据包含某种不可变的 唯一标识符。在

考虑并发性。有没有可能有人会改变 程序运行时的文件？小心比赛条件。在

Answer 2

我可能会使用某种sqlite解决方案，比如编写最后一次轮询时间。 然后，在每次这样的轮询中，按上次修改的时间（mtime）对文件进行排序，并获取mtime大于上一次轮询的所有文件（如果您坚持不要求这样的db，则此值将从sqlite或某种文件中取出）。在

Answer 3

监视新文件并不难——只需为目录中的所有文件保留一个索引节点列表或数据库。一个新文件将引入一个新的inode。这还可以帮助您避免处理重命名的文件，因为inode在重命名时不会更改。在

更困难的问题是监视文件更改。如果您还为每个inode存储文件大小，那么很明显，更改的大小表示文件已更改，您不需要打开和处理该文件就知道这一点。但是对于一个有（a）以前记录的inode，并且（b）与以前相同大小的文件，您需要处理该文件（例如，计算校验和）以了解它是否已更改。在