C# - 比较两个文本文件

Question

背景

我正在开发一个简单的 Windows 服务，它监视某些目录的文件创建事件并记录这些事件 - 长话短说，以确定文件是否从目录 A 复制到目录 B。如果X时间后文件不在目录B中，将引发警报。

与此有关的问题是，如果文件已进入目录 B，我只有在处理该文件时才能继续获取信息 - 我假设两个具有相同名称的文件是相同的，但因为有超过60 个目录 A 和一个目录 B - 并且任何目录 A 中的文件可能不小心与另一个目录相同（按日期或顺序），这不是一个安全的假设...

示例

假设，例如，我在目录 C:\Test 中存储了一个文件“E17999_XXX_2111.txt”创建的日志。我会存储此文件的文件名、文件路径、文件创建日期、文件长度和 BOM。

30 秒后，我检测到文件“E17999_XXX_2111.txt”是在目录 C:\FinalDestination... 中创建的...现在我的任务是确定是否；

a) 该文件与在 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整并不再担心。

b) 文件不一样，我不知何故错过了前面的步骤 - 因此我可以忽略此文件，因为它已找到到达目标目录的方式。

研究

所以，为了确定目标中创建的文件是否与第一个实例中创建的文件完全相同，我做了一些研究，发现了以下选项：

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) 哈希比较

问题

a) 正如我上面所说，仅使用文件名太冒昧了。

b) 同样，仅仅因为文件内容的长度相同，并不一定意味着文件实际上是相同的。

c) 这样做的问题是，复制文件在技术上是一个新文件，因此创建日期会发生变化。无论文件出现在目录 A 和目录 B 中经过多长时间，我都希望将第一个日志设置为完整。

d) 除了这个方法非常慢之外，如果第二个文件以某种方式改变了编码，就会出现问题——例如在 ANSII 和 ASCII 之间，这会导致 ascii 引号之类的字节不匹配

我不想假设仅仅因为 ASCII ' 已更改为 ANSII '，文件现在就不同了，因为它已经足够接近了。

e) 这似乎与逐字节比较具有相同的缺点

编辑

看来我遇到的实际问题归结为目录之间编码差异的原因 - 我目前无法访问处理这部分的代码，所以我不知道为什么会发生这种情况，但我正在寻求实现一种解决方案，该解决方案可以比较文件而不考虑编码以确定“真实”差异（即不是那些由于编码而导致字节改变的差异）

解决方案

如果@Magnus 建议的初始比较因此未能找到匹配项，我现在已设法解决此问题，方法是在对我的文件进行编码以删除任何错误数据后使用下面的 SequenceEqual 比较。代码如下：

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! 
    } 

感谢您的帮助！

Answer 1

然后您必须比较文件中的字符串内容。 StreamReader（ReadLines 使用）应该检测编码。

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

注意ReadLines 不会将整个文件读入内存。