应使用hashlib流式分块读取（如8192或65536字节）并以rb模式打开文件，调用update()累积计算sha-256哈希值，避免内存溢出和文本模式导致的哈希错误。
用 hashlib 计算文件哈希值最可靠
直接逐行或逐字节比对两个大文件（比如几个 GB）会极慢且内存吃紧，而哈希校验是工业级做法：只要两个文件的哈希值一致，就可认为内容完全相同（碰撞概率可忽略）。Python 标准库 hashlib 支持流式计算，不加载整个文件到内存。
关键点是分块读取，避免 read() 一次性载入：
- 推荐块大小为
8192或65536字节（8KB–64KB），太小增加系统调用开销，太大无实质收益 - 必须用二进制模式打开文件：
open(path, "rb")，否则文本模式会触发换行符转换，导致哈希不一致 - 选
sha256而非md5：后者在极端场景下已有实际碰撞攻击案例，sha256更稳妥
别用 filecmp.cmp() 处理大文件
filecmp.cmp() 看起来省事，但它默认启用 shallow=False 时仍会先比对文件大小和修改时间；若相同，再进入逐块比较逻辑——但它的内部块大小固定为 8192，且没有进度提示、无法中断、异常处理弱。更严重的是：它在遇到稀疏文件或某些挂载文件系统时可能误判。
实操建议：
- 仅用于小文件（shallow=True）
- 永远不要依赖它返回
True就认定“内容一致”，尤其在安全敏感或备份验证场景 - 若必须用，显式传参：
filecmp.cmp(path1, path2, shallow=False)，避免因系统默认行为变化引入隐晦 bug
边读边比对适用于已知差异位置的调试场景
当你要定位“到底哪一行不同”，而不是只判断是否相等时，才考虑逐块或逐行比对。但注意：逐行读（for line in f）对超大文件极易 OOM，尤其含超长行时；逐块读需自己处理边界（比如某次 read(8192) 刚好截断在换行符中间）。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
可行做法：
- 用
itertools.islice()+hashlib.blake2b()分段哈希，每 1MB 计算一个子哈希，生成“哈希指纹序列”，快速定位差异段 - 若只是人工核对，用系统命令更高效：
cmp -l file1 file2 | head -20（输出前 20 处字节差异） - Python 中慎用
difflib，它会把整文件转成 list of str，对 GB 级文件直接崩溃
注意文件系统与编码带来的“假差异”
两个文件内容逻辑相同，但哈希不同——常见原因不是算法问题，而是输入本身被悄悄修改过：
- Windows 下用记事本保存 UTF-8 文件会自动加 BOM，Linux 下无 BOM，
sha256必然不同 - Git 默认启用
core.autocrlf，检出时把\n换成\r\n，导致哈希变化 - 某些 NAS 或云盘同步工具会重写文件时间戳甚至权限位，但不影响哈希；不过若用
filecmp.cmp(shallow=True)就会误报
验证前先确认：是否都从同一来源、未经编辑器/同步工具二次处理？否则哈希不同未必代表内容不同，而是元数据或编码污染了输入流。
真正难的不是写几行哈希代码，而是确保你比对的确实是“原始内容”——路径、打开方式、传输过程、存储介质，每个环节都可能悄悄动了数据。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
