java - 为什么两个看起来相同的 excel 文件的 MD5 哈希值不同

Question

我有两个 excel 文件保存在不同的位置。一种是直接从浏览器下载，另一种是使用selenium驱动下载。我手动检查了两个文件，两者完全相同。但是为两个文件生成的 MD5 哈希值不同。如何解决此问题。

Answer 1

MD5 是一种散列函数。人们使用散列函数来验证文件、流或其他资源的完整性。当谈到散列函数时，当您验证文件的完整性时，您是在位级别验证文件是否相同。

这样做的后果是，当您在按位级别比较具有完整性约束的文件时，哈希函数可以完美运行。

但是，考虑到 Excel 电子表格的性质。如果在逐位级别上从文档中添加、删除或移动了一位，那么该文件的哈希值将完全不同。 (不总是，但不要担心。)

由于 Excel 的驱动程序与 selenium 使用的驱动程序有很大不同，特别是考虑到 selenium 可能对文件进行的压缩和其他更改/优化，那么 - 当然 - 哈希将有所不同.

我的建议: 首先:在 diff 中提取文件并找出这两个文件之间的不同之处。几乎(但不完全)公理化的是，如果两个文件的哈希值不同，那么这些文件也不同。

其次:编写一个驱动程序来比较这些电子表格中的信息，以验证文档的完整性(并且您可以获取该信息的哈希值)，而不是按位验证文件。

我建议将两者都导出为 CSV 文件并逐行比较两者。