Question

我有两个二进制文件。它们看起来像这样，但数据更随机：

档案A：

FF FF FF FF 00 00 00 00 FF FF 44 43 42 41 FF FF ...

档案B：

41 42 43 44 00 00 00 00 44 43 42 41 40 39 38 37 ...

我想要的是打电话：

>>> someDiffLib.diff(file_a_data, file_b_data)

并收到类似的内容：

[Match(pos=4, length=4)]

表示在两个文件中，位置4的字节对于4个字节是相同的。序列44 43 42 41不匹配，因为它们在每个文件中的位置不同。

是否有一个库可以为我做差异？或者我应该编写循环来进行比较？

Answer 1

您可以使用itertools.groupby()，这是一个示例：

from itertools import groupby

# this just sets up some byte strings to use, Python 2.x version is below
# instead of this you would use f1 = open('some_file', 'rb').read()
f1 = bytes(int(b, 16) for b in 'FF FF FF FF 00 00 00 00 FF FF 44 43 42 41 FF FF'.split())
f2 = bytes(int(b, 16) for b in '41 42 43 44 00 00 00 00 44 43 42 41 40 39 38 37'.split())

matches = []
for k, g in groupby(range(min(len(f1), len(f2))), key=lambda i: f1[i] == f2[i]):
    if k:
        pos = next(g)
        length = len(list(g)) + 1
        matches.append((pos, length))

或者使用列表理解与上面相同：

matches = [(next(g), len(list(g))+1)
           for k, g in groupby(range(min(len(f1), len(f2))), key=lambda i: f1[i] == f2[i])
               if k]

如果您使用的是Python 2.x，则以下是该示例的设置：

f1 = ''.join(chr(int(b, 16)) for b in 'FF FF FF FF 00 00 00 00 FF FF 44 43 42 41 FF FF'.split())
f2 = ''.join(chr(int(b, 16)) for b in '41 42 43 44 00 00 00 00 44 43 42 41 40 39 38 37'.split())

Answer 2

提供的conn.send('app#YourReceivingAppName:_connection', 'fire','myString'); solution工作正常，但速度很慢。

我使用itertools.groupby编写了一个非常天真的尝试，并测试了它与我碰巧拥有的特定16MB文件上的其他解决方案，并且它在我的机器上快了大约42倍。熟悉numpy的人可能会显着改善这一点。

numpy

在Python中区分二进制文件

2 个答案: