Python 中的性能问题：os.walk() + filecmp.dircmp().report_full_closure()

Question

我目前需要在增量数据迁移发生后比较目录。我编写了一个 python 脚本来遍历源/目标列表，执行从源到目标的增量复制，然后立即比较每个目录中的文件和文件夹的数量。为了进行这种比较，我们非常简单地使用：

for (path, dirs, files) in os.walk(destd):

destFileCount += len(文件)

destDirCount += len(dirs)

如果返回的文件/目录的数量不同，我们调用另一段代码来查看到底有什么不同。为此，我们运行以下命令并将输出发送到文件：

filecmp.dircmp(sourced, destd).report_full_closure()

我们使用report_full_closure 部分，因为我不知道另一种进行递归比较的方法。然后，该脚本在生成的文件中搜索以“only in”开头的行并将它们打印到屏幕上，从而有效地向我们展示了差异。

无论多么低效，这对于包含大约 90,000 个文件的目录来说就像一个魅力，但是一旦我们达到这个上限，脚本就会变得迟缓，以至于无法将其用于此目的。我想我的问题可以分为以下几点：

1. 我在使用这两个模块 [os.walk + filecmp.dircmp().report_full_closure()] 时是否犯了逻辑错误？即，我真的可以跳过 filecmp 节省时间，还是应该只执行 filecmp 并完全跳过文件/目录计数？

2. 有没有办法通过“缓存”一个文件中的文件以在另一个中使用来组合这两个功能？

3. 有没有更快的方法来执行这些功能？高低搜索过，估计没有。

非常感谢您对此事的看法。这个脚本已经变形和增长了很多，所以如果答案非常明显，请原谅我...... 谢谢， M

Answer 1

我会这样做：

dir_diff = filecmp.dircmp(sourced, destd)
if dir_diff.left_only or dir_diff.right_only:
    dir_diff.report_full_closure()

编辑： 这是nice blog about filecmp module。

dircmp 返回的差异不准确可能有 2 个原因： 1.它使用os.stat来比较文件（浅比较），这在大多数情况下都很好，但您的要求可能会有所不同。 2. 有趣的文件 - 将文件重命名为目录等显示在 common 下。因此，您还需要考虑 dir_diff.common_funny。这是修改后的代码：

dir_diff = filecmp.dircmp(sourced, destd)
if dir_diff.left_only or dir_diff.right_only or dir_diff.common_funny:
    dir_diff.report_full_closure()