python计算文件的md5值

前言

　　最近要开发一个基于python的合并文件夹/目录的程序，本来的想法是基于修改时间的比较，即判断文件有没有改变，比较两个文件的修改时间即可。这个想法在windows的pc端下测试没有问题。

　　但是当把一个文件从pc端复制到优盘时出现了一个问题，复制到优盘的文件比pc端的文件慢了两秒钟！

　　这里我用的复制函数是 shutil.copy2()，理论上它会把修改时间和最后访问时间也复制过来¹，但是实际情况并不是完全相同。

　　详细情况我在segmentfault里提出了问题：为什么将一个文件从pc中复制到优盘中修改时间会慢2秒钟？

　　看shutil.copy2的资料和网上的解答，发现可能是文件系统的差别造成的，windows的pc端文件系统是ntfs，优盘的是fat32。但还是想了解更深层的原因，希望知道的大神解答一下。

　　扯远了，基于以上问题的出现，迫使我得修改比较策略，于是我找到了用文件的MD5值比较的方法，yeah！~

　　具体来说，每个文件都会有一个MD5的加密值，这个值来唯一标识这个文件（百度云的快速上传/秒传就是基于这个道理），它常用来辨别文件的真伪，例如下载系统安装镜像，旁边会附带一个长长的字符乱码，这就是这个镜像的MD5值。

　　文件被修改后其MD5值也会改变，所以可以用来判断一个文件是否被修改过。

　　这样的方法比基于时间的比较显然更加可靠，现在唯一的问题就是MD5计算时间的问题。一个大文件计算MD5值要多久呢？

　　网上的解决代码已经有很多了，大都是两种方法，一种是小文件的MD5加密，调用函数直接加密即可，另一种是大文件的MD5加密策略，方法是将大文件分块更新MD5值，最后得到最终的值。

　　下面我使用第二种方法对大文件进行加密测试。

测试1

　　测试对象是一个将近2G的压缩文件，如下：

　　加密结果如下：

　　运行时间是20s，不快也不慢，相对文件大小来说，我还是能接受这个速度……

　　计算出的MD5值是“8ee04176f69c10ca56f2358d51d792ed”，这个值对不对呢？我在网上做了验证：

　　两个值相等，由此可见该算法，计算正确。测试代码见下。

　　测试网址在这：http://www.atool.org/file_hash.php

　　有趣的是，我对文件进行了第二次、第三次、第四次加密，发现加密时间少了5秒左右，好神奇，不知道为什么。

　　搞定了MD5加密，我可以继续进行下一步开发了~ :)

大文件的MD5加密代码

# coding=gbk

import hashlib
import os
import datetime

def GetFileMd5(filename):
    if not os.path.isfile(filename):
        return
    myhash = hashlib.md5()
    f = open(filename,'rb')
    while True:
        b = f.read(8096)
        if not b :
            break
        myhash.update(b)
    f.close()
    return myhash.hexdigest()

filepath = raw_input('请输入文件路径：')

# 输出文件的md5值以及记录运行时间
starttime = datetime.datetime.now()
print GetFileMd5(filepath)
endtime = datetime.datetime.now()
print '运行时间：%ds'%((endtime-starttime).seconds)

参考资料

Python中os和shutil模块实用方法集锦

python检测文件的MD5值

原创声明

Freecode# : www.cnblogs.com/yym2013