我有两个 Excel 文件保存在不同的位置。一个是直接从浏览器下载的，另一个是使用 selenium 驱动下载的。我手动检查了两个文件，两者完全相同。但是为这两个文件生成的 MD5 哈希值会有所不同。如何解决此问题。
【问题讨论】：
MD5 是一个散列函数。人们使用散列函数来验证文件、流或其他资源的完整性。对于散列函数，当您验证文件的完整性时，您正在验证位级别的文件是否相同。
这样做的后果是，当您在按位级别比较具有完整性约束的文件时，散列函数可以完美运行。
但是，鉴于 Excel 电子表格的性质。如果在按位级别上从文档中添加、删除或移动一位，那么该文件的哈希将完全不同。 （并非总是如此，但不要担心。）
由于 Excel 的驱动程序与 selenium 使用的驱动程序完全不同，尤其是考虑到 selenium 可能对文件进行的压缩和其他更改/优化，那么 - 当然 - 哈希将有所不同.
我的建议：
首先：拉取diff中的文件，看看这两个文件有什么不同。如果两个文件的哈希值不同，那么这些文件也不同，这几乎（但不完全）是不言而喻的。
其次：编写一个驱动程序来比较这些电子表格中的信息，以验证文档的完整性（并且您可以获取该信息的哈希值），而不是逐位验证文件。
我建议将两者都导出为 CSV，然后逐行比较两者。
【讨论】：
MD5 算法对文件进行完整计算，包括存储在文件中的元数据（文件名、日期等），因此两个文件的“主要内容”可以相同但某些字节不同。
很难确定文件的哪个部分对 MD5 检查真正感兴趣。
如果您使用的是 Windows，并且只对 Excel 文件感兴趣，请尝试使用此类工具：http://www.formulasoft.com/download.html
【讨论】：
您确定元数据包含在哈希中吗？对此进行一些研究是明智的。
如果这是真的，您将永远找不到匹配的哈希，因为时间戳匹配的可能性非常低，您还可以将文件名更改一千次，哈希将是相同的。此外，当 AV 扫描文件时，它会更改访问的时间戳属性，如果元数据包含在不断被 AV 扫描的机器上的哈希中，那么您的哈希将不断变化。
【讨论】：