在Python中实现文件差异对比时，递归遍历目录和处理路径是核心环节，只有正确遍历所有层级的文件并规范管理路径，才能准确找到两个目录中内容不同的文件，避免遗漏或路径错误的问题。
递归遍历目录的实现逻辑
递归遍历的核心是通过os.walk函数或者自定义递归函数，逐层访问目录下的所有子目录和文件。os.walk是Python内置的目录遍历工具，会自动处理子目录的递归访问，使用起来更加便捷。
使用os.walk遍历目录时，每次迭代会返回当前目录路径、当前目录下的子目录列表、当前目录下的文件列表三个值，我们可以基于这些信息收集所有文件的完整路径。
import os
def get_all_files(root_dir):
file_list = []
# 遍历目录下的所有内容
for root, dirs, files in os.walk(root_dir):
for file_name in files:
# 拼接文件的完整路径
full_path = os.path.join(root, file_name)
file_list.append(full_path)
return file_list
# 示例：获取test_dir下的所有文件
all_files = get_all_files("test_dir")
for file in all_files:
print(file)
路径管理的核心技巧
路径管理需要解决三个问题：统一路径格式、计算相对路径、处理跨平台路径分隔符。Python的os.path模块提供了对应的工具函数，可以避免手动拼接路径带来的错误。
路径格式统一
不同系统下的路径分隔符不同，Windows使用反斜杠，Linux和macOS使用正斜杠，使用os.path.normpath可以将路径转换为当前系统的标准格式，同时处理多余的斜杠和上级目录标识。
import os path1 = "./test//file.txt" path2 = "../test\file.txt" # 统一路径格式 print(os.path.normpath(path1)) # 输出 test/file.txt（Linux/macOS）或 testfile.txt（Windows） print(os.path.normpath(path2)) # 输出 ../test/file.txt（Linux/macOS）或 ..testfile.txt（Windows）
相对路径计算
对比两个目录的文件时，需要基于共同的父目录计算文件的相对路径，这样才能准确对应两个目录中的同名文件。os.path.relpath可以计算目标路径相对于基准路径的相对路径。
import os # 基准目录 base_dir = "/home/user/project" # 目标文件完整路径 target_file = "/home/user/project/src/utils/helper.py" # 计算相对路径 relative_path = os.path.relpath(target_file, base_dir) print(relative_path) # 输出 src/utils/helper.py
完整的文件差异对比实现
结合递归遍历和路径管理，我们可以实现两个目录的文件差异对比，对比维度包括文件是否存在、文件大小、文件内容三个层面。
import os
import hashlib
def get_file_md5(file_path):
# 计算文件的MD5值，用于对比文件内容
md5_hash = hashlib.md5()
try:
with open(file_path, "rb") as f:
# 分块读取大文件，避免内存占用过高
for chunk in iter(lambda: f.read(4096), b""):
md5_hash.update(chunk)
return md5_hash.hexdigest()
except Exception as e:
return None
def compare_dirs(dir1, dir2):
# 获取两个目录的所有文件，转换为相对路径映射
files1 = {}
for root, dirs, files in os.walk(dir1):
for file in files:
full_path = os.path.join(root, file)
relative_path = os.path.relpath(full_path, dir1)
files1[relative_path] = full_path
files2 = {}
for root, dirs, files in os.walk(dir2):
for file in files:
full_path = os.path.join(root, file)
relative_path = os.path.relpath(full_path, dir2)
files2[relative_path] = full_path
# 对比差异
all_relative_paths = set(files1.keys()).union(set(files2.keys()))
diff_result = {
"only_in_dir1": [],
"only_in_dir2": [],
"content_diff": []
}
for relative_path in all_relative_paths:
if relative_path not in files2:
diff_result["only_in_dir1"].append(relative_path)
elif relative_path not in files1:
diff_result["only_in_dir2"].append(relative_path)
else:
# 对比文件内容
md5_1 = get_file_md5(files1[relative_path])
md5_2 = get_file_md5(files2[relative_path])
if md5_1 != md5_2:
diff_result["content_diff"].append(relative_path)
return diff_result
# 使用示例
if __name__ == "__main__":
dir_a = "./dir_a"
dir_b = "./dir_b"
result = compare_dirs(dir_a, dir_b)
print("仅在目录A中存在的文件：", result["only_in_dir1"])
print("仅在目录B中存在的文件：", result["only_in_dir2"])
print("内容不同的文件：", result["content_diff"])
注意事项
- 遍历目录时需要处理权限问题，部分系统目录可能没有访问权限，需要添加异常捕获逻辑避免程序崩溃。
- 对比大文件时，不建议一次性读取全部内容到内存，使用分块读取计算哈希值的方式更加稳妥。
- 如果目录中包含符号链接，
os.walk默认不会跟随符号链接访问，若需要对比符号链接指向的文件，需要额外添加处理逻辑。