Files.mismatch() 是否可以在任何文件上顺利工作？

Question

我发现了这个

Files.mismatch()

方法来比较两个文件的原始字节数据并检查它们是否完全相等，即它们是否是彼此的重复文件。

您知道在非常大的文件（GB 数量级）上使用此方法是否会出现任何问题吗？并且，它适用于所有文件类型吗？我相信这两点不会有任何问题，但只是为了确定一下。

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;

public class finding_duplicates {

  public static void main(String args[]) throws IOException{

        Path filePath1 = Path.of(/*[...]/Desktop/test1.[any extension you like]"*/);
        Path filePath2 = Path.of(/*[...]/Desktop/test2.[any extension you like]"*/);
       
        long mis_match = Files.mismatch(filePath1, filePath2);
       
        if (mis_match == -1){System.out.println("files are equal");}
        else{System.out.println("files are different");}
    }
}

Answer 1

这里是 JDK 17 的 Eclipse temurin 实现中方法 mismatch 的源代码。如您所见，它以字节流的形式读取两个文件，这意味着它可以处理任何类型的文件。由于变量

totalRead

是

long

，因此如果文件大小大于 [constant] MAX_VALUE（在类 java.lang.Long 中），该方法可能

无法

正常工作。请注意，

MAX_VALUE

超过 9 个exabytes，因此我认为您无需担心文件大小。

public static long mismatch(Path path, Path path2) throws IOException {
    if (isSameFile(path, path2)) {
        return -1;
    }
    byte[] buffer1 = new byte[BUFFER_SIZE];
    byte[] buffer2 = new byte[BUFFER_SIZE];
    try (InputStream in1 = Files.newInputStream(path);
         InputStream in2 = Files.newInputStream(path2);) {
        long totalRead = 0;
        while (true) {
            int nRead1 = in1.readNBytes(buffer1, 0, BUFFER_SIZE);
            int nRead2 = in2.readNBytes(buffer2, 0, BUFFER_SIZE);

            int i = Arrays.mismatch(buffer1, 0, nRead1, buffer2, 0, nRead2);
            if (i > -1) {
                return totalRead + i;
            }
            if (nRead1 < BUFFER_SIZE) {
                // we've reached the end of the files, but found no mismatch
                return -1;
            }
            totalRead += nRead1;
        }
    }
}

Answer 2

您知道在非常大的文件（千兆字节数量级）上使用此方法是否会出现任何问题吗？

一个问题是

mismatch

需要很长时间才能读取和比较千兆字节级别的文件。

您可以采取一些措施来解决这个问题。由于您只关心文件是否不同...而不是差异在哪里...您可以从比较文件的大小开始。如果两个文件的大小不同，它们就会不同。

它适用于所有文件类型吗？

嗯……是的。在您比较这些文件的级别，只有一种类型：字节数组。