比较同一文件夹的两个版本并获取不同文件的名称

Question

假设我有以下简化的文件结构

main_folder
    |__ foo.json
    |
    |__ sub_folder
          |__bar.json

我有两份main_folder，例如main_folder_v1 和 main_folder_v2

我想比较两个版本并获取所有不同文件的名称（例如，获取 "foo.json"，以防其内容在 main_folder_v2 中更新）

我使用下面的代码

import filecmp

comparison_result = filecmp.dircmp(main_folder_v1, main_folder_v2)
files_that_differs = comparison_result.diff_files

问题是我会得到["foo.json"]，以防它在main_folder_v2 中更新，但我永远不会得到["bar.json"]，因为似乎没有执行sub_folder 中的文件比较

是否有可能使用filecmp 递归比较文件夹并获取不同的文件名或os.walk() 是唯一的解决方案？

Answer 1

[Python]: filecmp - File and Directory Comparisons 支持通过dircmp.subdirs 进行递归遍历。不需要os.walk（或任何其他类似功能）。

code.py：

import sys
import filecmp
import os


main_folder_v1 = "dir_v1"
main_folder_v2 = "dir_v2"

ROOT_DIR_MARKER = ""


def traverse_dircmp(dircmp_obj, dir_name=ROOT_DIR_MARKER):
    for item in dircmp_obj.diff_files:
        yield os.path.join(dir_name, item)
    for subdir_name in dircmp_obj.subdirs:
        yield from traverse_dircmp(dircmp_obj.subdirs[subdir_name], dir_name=os.path.join(dir_name, subdir_name))
        #for item in traverse_dircmp(dircmp_obj.subdirs[subdir_name], dir_name=os.path.join(dir_name, subdir_name)):
        #    yield item


def traverse_dircmp_list(dircmp_obj, dir_name=ROOT_DIR_MARKER):
    ret = [os.path.join(dir_name, item) for item in dircmp_obj.diff_files]
    for subdir_name in dircmp_obj.subdirs:
        ret.extend(traverse_dircmp_list(dircmp_obj.subdirs[subdir_name], dir_name=os.path.join(dir_name, subdir_name)))
    return ret


def main():
    comparison_object = filecmp.dircmp(main_folder_v1, main_folder_v2)

    comparison_result = traverse_dircmp(comparison_object)
    print("{:s}: {:}".format("Different files (gen)", list(comparison_result)))

    comparison_result_list = traverse_dircmp_list(comparison_object)
    print("{:s}: {:}".format("Different files (list)", comparison_result_list))


if __name__ == "__main__":
    print("Python {:s} on {:s}\n".format(sys.version, sys.platform))
    main()

输出（类似于你的目录结构）：

(py35x64_test) e:\Work\Dev\StackOverflow\q050157870>"e:\Work\Dev\VEnvs\py35x64_test\Scripts\python.exe" code.py
Python 3.5.4 (v3.5.4:3f56838, Aug  8 2017, 02:17:05) [MSC v.1900 64 bit (AMD64)] on win32

Different files (gen): ['foo.json', 'subdir00\\bar.json', 'subdir00\\subdir001\\x.json']
Different files (list): ['foo.json', 'subdir00\\bar.json', 'subdir00\\subdir001\\x.json']

@EDIT0：

• 修改了 traverse_dircmp 函数以返回文件列表，而不是按照其中一个 cmets 中的要求打印文件

@EDIT1：

• 添加了生成器功能（作为个人练习），这是新的（也是首选）样式，并且在大目录的情况下不会消耗内存（!!需要 Python3.3或更高！，或yield from 语句可以替换为下面的 2 条注释（for 和 yield）行）