使用Files.readAllBytes读取文件时同内容文件byte[]输出差异及字节比对方法咨询

问题1：读取相同内容文件的byte[]，直接打印理应得到完全一致的输出结果吗？ #

完全不会，这是Java的底层实现特性导致的，和文件内容没有任何关系。
你代码中写的System.out.println(bytes)，本质上根本没有在打印数组里存储的字节值：Java的数组类型没有重写Object类的toString()方法，默认输出格式固定为[B@十六进制对象哈希值——其中[B代表byte数组的类型标识，后面的十六进制值是数组对象在内存中的身份哈希，和数组内部存了什么字节没有关联。
哪怕两个数组存储的字节序列100%相同，只要是两个独立的数组实例，生成的身份哈希大概率不重合，输出的字符串自然存在差异。

问题2：直接打印结果不具备一致性时，怎么实现字节序列的有效比对？ #

不要靠println的输出猜测内容差异，根据比对需求选择对应方案即可：

• 若需要判断两个字节数组内容完全相等：直接使用JDK自带的java.util.Arrays.equals(byte[] a, byte[] b)方法即可。该方法会逐位校验两个数组的长度、对应位置的字节值是否完全匹配，直接返回布尔比对结果。如果需要直观查看数组内容，也可以使用Arrays.toString(bytes)将数组内容转换为类似[97, 98, 99]的可读字符串后再打印，此时内容一致的数组才会输出相同的字符串。
• 若处理的是大体积文件对应的字节数组，逐位比对性能不足时，可以先对两个字节数组计算加密摘要（如SHA-256），通过对比摘要值是否相等判断内容一致性，在大文件场景下的效率远高于逐位遍历。

问题3：两个文件仅部分内容相同时，读取得到的byte[]是否会存在共通字节片段？怎么实现这类部分公共字节的识别？ #

只要两个文件中存在连续的相同内容，通过Files.readAllBytes读取得到的两个byte[]必然存在对应的共通字节片段——因为该方法会原封不动读取文件的原始字节流，不会做任何编码转换、内容修改。
针对这类部分公共内容的识别，可以根据需求选择对应实现：

• 需要定位最长的连续公共字节块时，可以将字符串最长公共子串算法改造为适配字节数组的版本，从长度1开始递进匹配，定位所有最长的连续匹配片段。
• 仅需要粗粒度判断文件的相似程度时，可以将两个字节数组切分为固定长度的小分片（如128字节为一片），对每个分片计算哈希值生成集合，两个集合的交集就是两个文件中完全相同的分片内容，这种方法比对速度快，适合大文件场景。
• 需要精确定位匹配片段的位置时，可以使用KMP、BM这类经典的模式串匹配算法，将待查找的字节片段作为模式串，在另一个字节数组中快速定位匹配位置，避免逐位全遍历的性能损耗。

内容的提问来源于stack exchange，提问作者caio nostre