Python tarfile和zipfile使用不同的MD5为两个相同的文件生成归档

Question

我试图确保2个内部具有相同文件的存档产生相同的MD5校验和。

例如，file1.txt和file2.txt具有相同的内容，它们之间唯一的区别是创建时间。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，我得到了完全不同的MD5。

>>> 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'

任何想法为什么会发生这种情况？我猜它与导致这种情况的存档中的标头数据有关。也许存档维护 file1 和 file2 的不同创建时间，从而保持不同的校验和。

Answer 1

虽然两个档案的有效载荷可能相同，但档案的基本结构不同，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MD5。

--

在这种情况下，基础文件的最后修改时间和名称是不同的，即使文件的内容是相同的；这会导致不同的MD5。

Answer 2

尝试使用zipfile:

重点:给func writestr一个ZipInfo的对象，而不是一个str。