Java校验两个文件内容是否相同

Java

文件摘要校验

有些小工具会附带一个校验器校验附带提供的checksum值，防止有人恶意篡改小工具，保证小工具可以放心使用。

文件Hash校验
如果两个文件的内容相同，那么它们的摘要应该是相同的。这个原理能不能鉴定两个文件是否相同呢？

Java实现文件摘要

带着这个疑问，写了一个文件摘要提取工具类：

/**
 * 提取文件 checksum 
 *
 * @param path      文件全路径
 * @param algorithm  算法名 例如 MD5、SHA-1、SHA-256等
 * @return  checksum
 * @throws NoSuchAlgorithmException the no such algorithm exception
 * @throws IOException              the io exception
 */
public static String extractChecksum(String path, String algorithm) throws NoSuchAlgorithmException, IOException {
    // 根据算法名称初始化摘要算法
    MessageDigest digest = MessageDigest.getInstance(algorithm);
    // 读取文件的所有比特
    byte[] fileBytes = Files.readAllBytes(Paths.get(path));
    // 摘要更新
    digest.update(fileBytes);
    //完成哈希摘要计算并返回特征值
    byte[] digested = digest.digest();
    // 进行十六进制的输出
    return HexUtils.toHexString(digested);
}

接下来做几组对照试验来证明猜想。

内容不变

首先要证明一个文件在内容不变的情况下摘要是否有变化，多次执行下面的代码，断言始终都是true。

String path = "C:\\Users\\s1\\IdeaProjects\\demo\\src\\main\\resources\\application.yml";
String checksum = extractChecksum(path, "SHA-1");
String hash = "6bf4d6c101b4a7821226d3ec1f8d778a531bf265";
Assertions.assertEquals(hash,checksum);

而且把文件名改成application-dev.yml，甚至application-dev.txt摘要都是相同的。又把yml文件的内容作了改动，断言就false了。这证明了单个文件的情况下，内容不变，hash是不变的。

文件复制

把yml文件复制了一份，改了文件名称和类型，不改变内容并存到了另一个目录中，来测试一下它们的摘要是否有变化。

String path1 = "C:\\Users\\s1\\IdeaProjects\\demo\\src\\main\\resources\\application.yml";
String path2 = "C:\\Users\\s1\\IdeaProjects\\demo\\src\\main\\resources\\templates\\application-dev.txt";
String checksum1 = extractChecksum(path1, "SHA-1");
String checksum2 = extractChecksum(path2, "SHA-1");
String hash = "6bf4d6c101b4a7821226d3ec1f8d778a531bf265";
Assertions.assertEquals(hash,checksum1);
Assertions.assertEquals(hash,checksum2);

结果断言通过，不过改变了其中一个文件的内容后断言就不通过了。

新建空文件

这里的新建空文件指的是没有进行任何操作的新建的空文件。
新建的空文件会根据特定的算法返回一个固定值，比如SHA-1算法下的空文件值是:

da39a3ee5e6b4b0d3255bfef95601890afd80709

结论

通过实验证明了：

• 在相同算法下，任何新建空文件的摘要值都是固定的。
• 任何两个内容相同的文件的摘要值都是相同的，和路径、文件名、文件类型无关。
• 文件的摘要值会随着文件内容的改变而改变。

  文件摘要运用

  根据上面的结论，文件摘要是可以防止同样内容的文件重复提交的， 存储的时候不但要存储文件的路径，还要存储文件的摘要值，可能需要注意新建空文件的的固定摘要问题。另外在Java12中提供了新的API来处理文件内容重复问题：
  Java12新特性