为什么 filecmp.cmp 不一致？

Question

这个问题是关于 Python 2.7.1 中的filecmp module。据我所知，这两个调用是相同的（Windows，因此大小写差异无关紧要）。一个返回True，另一个返回False。

>>> filecmp.cmp(r'h:\dcim\112_1029\imgp7258.dng', r'd:\pictures\2016\112_1029\imgp7258.dng', False)
True
>>> filecmp.cmp('h:\\dcim\\112_1029\\IMGP7258.DNG', 'd:\\pictures\\2016\\112_1029\\IMGP7258.DNG', False)
False

h: 是 SD 卡，而 d: 是标准硬盘。我已经通过资源管理器将文件从h: 复制到d:，所以它们应该是相同的。为了确定，我什至又做了一次。无论我执行多少次或按什么顺序执行，每次调用的结果都是一致的。

这里还有一些实验只是为了进一步混淆。

>>> f1 = r'h:\dcim\112_1029\imgp7258.dng'
>>> f2 = r'd:\pictures\2016\112_1029\imgp7258.dng'
>>> f3 = 'h:\\dcim\\112_1029\\IMGP7258.DNG'
>>> f4 = 'd:\\pictures\\2016\\112_1029\\IMGP7258.DNG'
>>> f1.upper()==f3.upper()
True
>>> f2.upper()==f4.upper()
True
>>> filecmp.cmp(f1, f2, False)
True
>>> filecmp.cmp(f3, f4, False)
False
>>> filecmp.cmp(f1, f4, False)
True
>>> filecmp.cmp(f3, f2, False)
True

根据评论中的要求，以下是os.stat 对 4 个文件名中的每一个的结果。您可以看到，除了访问和创建时间外，它们是相同的，但对于每个版本的文件名，这些时间都是一致的。

>>> os.stat(f1)
nt.stat_result(st_mode=33206, st_ino=0L, st_dev=0, st_nlink=0, st_uid=0, st_gid=0, st_size=15112724L, st_atime=1490418000L, st_mtime=1477766688L, st_ctime=1477766686L)
>>> os.stat(f2)
nt.stat_result(st_mode=33206, st_ino=0L, st_dev=0, st_nlink=0, st_uid=0, st_gid=0, st_size=15112724L, st_atime=1490488519L, st_mtime=1477766688L, st_ctime=1490488519L)
>>> os.stat(f3)
nt.stat_result(st_mode=33206, st_ino=0L, st_dev=0, st_nlink=0, st_uid=0, st_gid=0, st_size=15112724L, st_atime=1490418000L, st_mtime=1477766688L, st_ctime=1477766686L)
>>> os.stat(f4)
nt.stat_result(st_mode=33206, st_ino=0L, st_dev=0, st_nlink=0, st_uid=0, st_gid=0, st_size=15112724L, st_atime=1490488519L, st_mtime=1477766688L, st_ctime=1490488519L)

我想到的另一个测试：

>>> def hashfile(filename):
    m = hashlib.md5()
    with open(filename, 'rb') as f:
        m.update(f.read())
    return ''.join('%02x' % ord(b) for b in m.digest())

>>> hashfile(f1)
'a0042d8623567bcf429069d17e7c3148'
>>> hashfile(f2)
'a0042d8623567bcf429069d17e7c3148'
>>> hashfile(f3)
'a0042d8623567bcf429069d17e7c3148'
>>> hashfile(f4)
'a0042d8623567bcf429069d17e7c3148'
>>> filecmp.cmp(f1, f2, False)
True
>>> filecmp.cmp(f3, f4, False)
False

Answer 1

documentation for 2.7 没有提及，但documentation for 3.4 包含这个非常重要的说明：

此函数使用缓存来存储过去的比较和结果，如果文件的 os.stat() 信息发生更改，则缓存条目无效。可以使用 clear_cache() 清除整个缓存。

缓存似乎对文件名区分大小写。

在我的例子中，我重新复制了文件，所以os.stat() 信息没有改变（Windows 保留了这些属性）。但是，当我在不同情况下使用文件名进行测试时，我得到了与缓存结果不同的未缓存结果。

按照文档中的建议调用 clear_cache() 是解决我的问题的确切方法。