Python tarfile和zipfile生成具有不同MD5的存档，用于2个相同的文件

Question

我正在尝试确保内部具有相同文件的2个存档生成相同的MD5校验和。

例如，file1.txt和file2.txt具有相同的内容，它们之间的唯一区别是创建时间。但是，它们产生相同的MD5：

>>> import md5
>>> md5.md5(open("file1.zip","rb").read()).hexdigest()
'c99e47de6046f141693b9aecdbdd2dc2'
>>> md5.md5(open("file2.zip","rb").read()).hexdigest()
'c99e47de6046f141693b9aecdbdd2dc2'

但是，当我为两个相同的文件创建tarfile（或zipfile）存档时，我会得到完全不同的MD5。注意我以完全相同的方式使用tarfile作为文件1和2。

>>> import tarfile, md5
>>> #file 1
>>> a1 = tarfile.open('archive1.tar.gz','w:gz')
>>> a1.add("file1.txt")
>>> a1.close()
>>> md5.md5(open("archive1.zip","rb").read()).hexdigest()
'0865abb94f6fd92df990963c75519b2e'
>>> #file 2
>>> a2 = tarfile.open('archive2.tar.gz','w:gz')
>>> a2.add("file2.txt")
>>> a2.close()
>>> md5.md5(open("archive2.zip","rb").read()).hexdigest()
'cee53e271a1f457dfd5b5401d8311fcc'

为什么会出现这种情况？我猜这与导致这个的归档中的标题数据有关。也许归档文件保持file1和file2的不同创建时间，因此校验和不同。

Answer 1

虽然两个档案的有效载荷可能相同，但档案的基础结构不同，而压缩只会增加这些差异。

Zip和Tar都是归档格式，它们都可以与压缩结合使用;通常情况下，他们是。不同压缩算法和根本不同的底层格式结构的组合将导致不同的MD5。

-

在这种情况下，即使文件内容相同，最后修改时间和底层文件的名称也不同;这导致了不同的MD5。

Answer 2

尝试使用zipfile：

关键点：给func writtr一个ZipInfo的对象，而不是str。

因为如果不是ZipInfo的对象，zinfo将获得动态date_time。

唯一的动态变量将写入zip文件头，因此zip文件md5将会改变。