Python通过MD5值实现重复文件的检测

平时上课时学生上机作业经常有直接复制别人的文件,只修改文件名的抄袭情况,为了快速检测这种问题,通过MD5值简单的写了下,聊胜于无吧,有时间了写一个更完善的。

# coding: utf8

import hashlib
import os
from collections import Counter
import sys

reload(sys)
sys.setdefaultencoding('utf-8')

def get_md5_01(file_path):
    md5 = None
    if os.path.isfile(file_path):
        f = open(file_path,'rb')
        md5_obj = hashlib.md5()
        md5_obj.update(f.read())
        hash_code = md5_obj.hexdigest()
        f.close()
        md5 = str(hash_code).lower()
    return md5

def get_md5_02(file_path):
    f = open(file_path,'rb')  
    md5_obj = hashlib.md5()
    while True:
        d = f.read(8096)
        if not d:
            break
        md5_obj.update(d)
    hash_code = md5_obj.hexdigest()
    f.close()
    md5 = str(hash_code).lower()
    return md5



if __name__ == "__main__":
    output_list=[]
    #input_path=r"e:\xx\新建文件夹"
    #output_path = unicode(input_path , "utf8")
    output_path=os.getcwd()
    g = os.walk(output_path)  
    for path,dir_list,file_list in g:  
        for file_name in file_list:
            output_list.append(os.path.join(path, file_name) )
    md5_list= [get_md5_01(i) for i in output_list]
    Counter_list=Counter(md5_list)
    for i in Counter_list.items():
        if i[1] >1:
            duplicate_list=[ a for a in range(len(md5_list)) if md5_list[a] == i[0]]
            print '-'*50
            print i[0]
            for j in duplicate_list:
                with open('duplicate.log', mode='a+') as f:
                    f.write(i[0]+'\t'+output_list[j]+'\n')
                print output_list[j]
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值