LZ压缩解压后diff/cmp显示文件不同，自定义校验却判定相同

核心矛盾点 #

你遇到的情况是：自己开发的LZ压缩器，将文件压缩再解压后，diff、cmp命令检测出文件存在差异，但自定义的Python脚本却判定两个文件内容相等。这是因为你的脚本忽略了文件的字节长度和前导/尾随零字节的差异。

脚本的问题所在 #

你的Python代码逻辑是把文件字节转成大端整数，再转成二进制字符串对比。这个过程会丢失两个关键信息：

• 前导零字节：如果文件开头有0x00字节，转成整数时这些前导零会被自动忽略，生成的二进制字符串也不会包含它们
• 文件总长度：比如原文件是3字节[0x00, 0x01, 0x02]，解压后变成2字节[0x01, 0x02]，转成整数后是同一个值，脚本会判定相等，但实际文件字节数不同，cmp和diff会直接检测到差异

正确的文件对比方法 #

要准确对比两个二进制文件，直接对比原始字节数据即可，不需要转成整数或字符串。修改后的脚本如下：

with open("file.bin", "rb") as f:
    data1 = f.read()

with open("file2.bin", "rb") as f:
    data2 = f.read()

if data1 == data2:
    print('equal')
else:
    print('diff')
    # 可选：定位具体差异位置
    for idx, (b1, b2) in enumerate(zip(data1, data2)):
        if b1 != b2:
            print(f"差异位置：字节{idx+1}，file.bin={hex(b1)}，file2.bin={hex(b2)}")
            break
    else:
        # 走到这里说明一个文件是另一个的前缀，长度不同
        print(f"文件长度不同：file.bin={len(data1)}字节，file2.bin={len(data2)}字节")

压缩器可能的问题方向 #

既然cmp提示第一字节就不同，用上面的脚本定位具体差异后，可以从以下方向排查：

• 压缩/解压过程中是否错误地添加或丢失了前导字节（比如自定义的文件头标识、长度字段）
• 解压时是否未正确还原原始文件的长度信息，导致输出文件长度和原文件不一致
• 二进制数据的端序处理是否有误（比如你的脚本用了大端，但压缩器内部可能用了小端处理某些字段）

内容的提问来源于stack exchange，提问作者Pedro Carvalho