Qual è il modo più semplice per scoprire se due file sono diversi a livello di codice?

Question

Qual è il modo più semplice per scoprire se due file di testo sono diversi a livello di codice? Dati due file, ho solo bisogno di sapere se sono diversi o meno. Questo è uno strumento rapido per aiutare con una unione particolarmente sgradevole (passare da VB a C# in un ramo (yay!) E fare molti cambiamenti nell'altro), non andrà in produzione.

Possibili soluzioni:

1. Hash entrambi i file e confrontare l'hash
2. scaricare i file e fare solo una stringa confrontare
3. chiamare a uno strumento esterno diff (purtroppo WinMerge non ha una CLI per questo)

Se possibile ignorare lo spazio bianco sarebbe fantastico ma non mi interessa molto. La cosa principale è che deve essere semplice e veloce.

Sto usando .Net 3.5sp1 a proposito. Grazie per qualsiasi idea o suggerimento.

Answer 1

C'è un articolo nella Microsoft Knowledge Base, spero che sia d'aiuto. Si confrontano i byte per vedere se due file sono diversi - How to create a File-Compare function in Visual C#

Answer 2

Il modo più veloce per farlo è confrontare byte per byte dei file caricati su un flusso. L'hashing di entrambi i file richiederà troppo tempo per i file di grandi dimensioni, anche per il confronto delle stringhe, anche per gli strumenti esterni.

Il confronto tra byte e byte sarà il migliore per voi, poiché raggiungerà l'EOF dei file solo quando entrambi sono identici.

Se si esegue il confronto di hash, confronto di stringhe o strumenti esterni, è necessario passare attraverso l'intero file tutte le volte che si confronta, confrontando byte a byte lo si farà solo nel caso in cui siano identici.

Answer 3

Utilizzare un algoritmo MDash hash per confrontare i risultati? Ecco uno example.

Answer 4

Dalla domanda - più semplice & Text file di

StreamReader sr1 = new StreamReader(filePath1); 
StreamReader sr2 = new StreamReader(filePath2); 
if (sr1.ReadToEnd() == sr2.ReadToEnd()) 
{ do stuff } 

Non è veloce o abbastanza, ma è facile

Answer 5

Controllare byte per byte, ecco qualche codice:

public static bool AreFilesIdentical(string path1, string path2) 
{ 
    using (FileStream file1 = new FileStream(path1)) { 
     using (FileStream file2 = new FileStream(path2)) { 

      if (file1.Length == file2.Length) { 
       while (file1.Position < file1.Length) { 
        if (file1.ReadByte() != file2.ReadByte()) { 
         return false; 
        } 
       } 
       return true; 
      } 
      return false; 
     } 
    } 

} 

Answer 6

if ($file1 != $file2) return true; 

Ovviamente questo varia tra VB e C#

Answer 7

Dipende anche da ciò che si sta tentando di risolvere. Stai cercando di rispondere alla domanda: in questa directory di file N trovi tutti i duplicati esatti? O questi due file sono esattamente uguali?

Se si stanno confrontando in modo specifico due file, l'utilizzo di un controllo byte per byte è più efficiente.

Ma se si sta cercando di trovare tutte le coppie duplicate in N file, allora un hash MD5 è migliore, perché è possibile creare e memorizzare il valore hash MD5 una volta e confrontare questo valore molto più piccolo per ogni coppia di file.Altrimenti starete ripetendo su ogni flusso di byte di file per ogni altro file nella directory.

Answer 8

Ho implementato una versione molto specializzata di diff un anno fa (avevo file con oltre 6 GB e dovevo confrontare quindi). Quindi conosco il funzionamento interno di diff (lotto di copia & incolla, ovviamente). Alcuni pensieri:

• Se si desidera sapere se sono diversi, confrontarli byte per byte. Ottimizza controllando se le loro dimensioni (lunghezze) sono diverse e quindi leggi i file un byte alla volta e controlla se sono diversi. Non devi preoccuparti del buffering, dal momento che l'API del tuo file dovrebbe farlo per te (.Net lo fa).
• Se ci sono alcune regole che desideri applicare al confronto tra:
  • Se si ignora gli spazi bianchi o di qualsiasi altro carattere, come si legge il byte, controlla se esso dovrebbe essere ignorato. Se è il caso, leggi quello successivo, ma solo su quel file.
  • Se ci sono regole che verranno applicate in linea, quindi leggere il file riga per riga. Quindi elimina la linea, ignorando qualsiasi cosa tu voglia ignorare.
  • Ricordare che la riga può essere definita come un record di lunghezza variabile con una nuova riga come terminatore (separatore). In questo modo puoi definire la linea come vuoi e leggerla esattamente, cancellarla e confrontarla.

posso contribuire con il codice se si desidera. La diffusione di file è più complessa, poiché si genererà anche ciò che è diverso.