Python和zipfile为两个相同的文件生成不同MD5的档案

Question

我试图确保两个档案与相同的文件内产生相同的MD5校验和。

例如，file1.txt和file2.txt有相同的内容，它们之间唯一的区别是创建时间。但是，它们产生的MD5是相同的：

>>> 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，我得到了完全不同的MD5s。注意，我以完全相同的方式对文件1和2使用tarfile。

>>> 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'

知道为什么会发生这种事吗？我猜这与导致这种情况的归档文件中的头数据有关。也许档案维护了file1和file2不同的创建时间，从而产生了不同的校验和。

Answer 1

虽然两个档案的有效载荷可能是相同的，但档案的底层结构是不同的，压缩只会增加这些差异。

Zip和Tar都是存档格式，它们都可以与压缩相结合；通常它们都是压缩格式。不同的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MD5s。

--

在这种情况下，上一次修改时间和底层文件的名称是不同的，尽管文件的内容是相同的；这导致了不同的MD5。

Answer 2

尝试使用zipfile：

​

​

关键点:给一个ZipInfo的对象，而不是str。

​

因为如果不是ZipInfo的一个对象，zinfo将得到一个动态date_time。

​

唯一的动态变量将写入zip文件头，因此zip文件md5将更改。