logo标签列表

C# - 比较两个文本文件

c#.netwinformsfilecompare
6

背景

我正在开发一个简单的Windows服务，用于监视某些目录的文件创建事件并记录这些事件——长话短说，以确定文件是否从A目录复制到B目录。如果X时间后在B目录中没有发现文件，就会发出警报。

这个问题是，我只有文件来判断它是否已经到达B目录。我假设两个具有相同名称的文件相同，但由于有60多个A目录和一个B目录，任何A目录中的文件可能会意外地与另一个A目录中的文件相同（按日期或顺序），因此这是不安全的假设……

例子

比方说，我存储了一个日志，指出文件“E17999_XXX_2111.txt”在目录C:\Test中被创建。我将存储文件名、文件路径、文件创建日期、文件长度和此文件的BOM。

30秒后，我检测到文件“E17999_XXX_2111.txt”在目录C:\FinalDestination中被创建……现在我需要确定：

a）该文件是否与C:\Test中创建的文件相同，因此我可以将第一个日志更新为完成并停止关注它。

b）该文件不相同，而我错过了之前的步骤——因此我可以忽略这个文件，因为它已经到达目的地目录。

研究

所以，为了确定在目的地创建的文件与最初创建的文件完全相同，我做了一些研究并找到了以下选项：

a）文件名比较

b）长度比较

c）创建日期比较

d）逐字节比较

e）哈希值比较

问题

a）如上所述，仅凭文件名太过自作聪明。

b）同样，仅凭文件内容的长度相同，并不意味着文件实际相同。

c）这种方法的问题是，复制后的文件就成为新文件，因此创建日期也会改变。无论文件出现在A目录和B目录之间的时间有多长，我都希望将第一个日志设置为已完成。

d）除了这种方法极其缓慢外，如果第二个文件的编码发生了变化——例如从ANSII到ASCII，那么像ASCII引号这样的东西就会导致字节不匹配。

我不想假设只是因为一个ASCII '变成了ANSII '，那么文件现在就不同了，因为它们几乎是相同的。

e）这似乎与逐字节比较有相同的缺点。

编辑

我遇到的实际问题似乎在于目录之间编码差异的原因-当前我无法访问处理此部分的代码，因此我无法确定为什么会发生这种情况，但我正在寻找一种解决方案，可以比较文件而不考虑编码来确定“真正”的差异（即不是由于编码而更改了字节的差异）。 解决方案 我现在已经通过使用SequenceEqual比较解决了这个问题，在将我的文件编码以删除任何错误数据后进行比较，如果由于此原因@Magnus建议的初始比较未能找到匹配项，则可以使用以下代码：
byte[] bytes1 = Encoding.Convert(Encoding.GetEncoding(1252), Encoding.ASCII, Encoding.GetEncoding(1252).GetBytes(File.ReadAllText(FilePath))); 
byte[] bytes2 = Encoding.Convert(Encoding.GetEncoding(1252), Encoding.ASCII, Encoding.GetEncoding(1252).GetBytes(File.ReadAllText(FilePath))); 

if (Encoding.ASCII.GetChars(bytes1).SequenceEqual(Encoding.ASCII.GetChars(bytes2)))
    { 
    //matched! 
    }

感谢你的帮助！
现在无法详细说明，但是“慢”是相对的。.net框架非常擅长进行字符串比较，并且您可以将它们转换为本地字符串，这些字符串将是可比较的。我会选择A + B + D。按照这个顺序。每个失败都会使后续测试失效。将其读取为字符串以执行D。 - willaien
更改的编码是否是实际可能发生的真正问题？如果是，只需确保它不会发生。 - Magnus
@Magnus，确实发生了，这完全出乎意料，我目前不知道是什么原因导致的，但由于我正在尝试为各种代码库提供一种一刀切的解决方案，我希望能够想出一种解决方案，无论编码如何都可以解决这个问题-我研究了如何确定文件的编码，并找到了这个https://dev59.com/bW865IYBdhLWcg3wat6l#19283954，但无法找到一种方法将所有文件转换为相同的格式进行比较...有什么建议吗？ - Danny Lager
@DannyLager StreamReader 会自动检测所使用的编码。 - Magnus
@Magnus 我个人没有尝试使用 StreamReader 来检测编码，但根据我所见和上面提到的链接，它似乎不是非常准确？ - Danny Lager
显示剩余2条评论
1个回答
6

如果文件存在，您需要比较文件中的字符串内容。 StreamReader（ReadLines使用的）应该检测编码。

var areEquals = System.IO.File.ReadLines("c:\\file1.txt").SequenceEqual(
                System.IO.File.ReadLines("c:\\file2.txt"));

请注意，ReadLines不会将完整的文件读入内存。
谢谢，我会尽可能尝试这个。无论编码方式如何，它是否返回true，因为我们正在比较两个字符串字面量，还是像逐字节比较一样？ - Danny Lager
刚刚尝试了一下解决我遇到的问题，使用UTF8编码对两个文件进行比较 - File.ReadLines(FilePath1, Encoding.UTF8).SequenceEqual(File.ReadLines(FilePath2, Encoding.UTF8)) - 结果返回false，但是文件中唯一的区别只是引号，所以我认为这仍然会导致错误...有什么建议可以解决这个问题吗？运行速度非常快，这是一个积极的方面... - Danny Lager
也许引号字符实际上是不同的，而不是编码问题。 - Magnus
结果发现，如果我发现最初的比较失败，我必须重新阅读两个文件，然后将它们转换为ASCII编码，然后再进行上述比较。 - Danny Lager
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接