如何高效比对两个Python文件的字节码一致性（验证格式清理无误改）

1. 统一命名后直接比对.pyc二进制的方案在Python 3.6+的可靠性 #

该方案不完全可靠，核心原因是.pyc文件结构自带与代码逻辑无关的元数据：

• Python 3.6及以上版本默认生成的带时间戳校验的.pyc，头部固定存储解释器magic number、源文件修改时间戳、源文件大小三类元数据，哪怕两个源文件逻辑完全一致，只要修改时间、大小有差异，头部二进制就会不同
• 即便强行统一源文件名为file.py，如果编译时的源文件路径不同，编译生成的code对象中嵌入的co_filename字段也会存在差异，最终导致.pyc文件内容不一致
• 若要强行使用.pyc比对方案，需要跳过头部固定长度的元数据段，同时统一code对象中的路径类字段，但操作繁琐且容易受Python版本差异影响，不推荐

2. 跨Python 2/3的规范字节码比对方案 #

无需直接比对.pyc二进制，直接加载编译后的code对象、清洗无关元数据后比对即可，这是Python官方支持的标准流程：

• 需清洗的与逻辑无关的字段（两类版本通用）：
  • co_filename：源文件路径信息，与代码执行逻辑无关
  • co_firstlineno：代码块起始行号，格式调整必然导致行号变化
  • co_lnotab：行号映射表，仅用于异常报错时的行号定位，与逻辑无关
• 标准操作流程：
  • 用内置compile()函数直接读取源文件内容编译，跳过.pyc文件的文件系统元数据干扰
  • 递归遍历所有嵌套的code对象（函数、类、内部代码块），将上述无关字段统一替换为固定值
  • 用内置marshal模块序列化清洗后的code对象，直接比对序列化结果即可判断逻辑是否等价

3. 字节码哈希留存方案 #

完全可以实现稳定可复现的字节码哈希，用于后续逻辑校验：

• 对清洗后的code对象用marshal序列化后，通过SHA256等标准哈希函数计算摘要即可
• 同一Python大版本下，相同逻辑的代码生成的清洗后code对象序列化结果完全一致，哈希值可稳定复现，不会被格式调整、行号变动、路径差异干扰
• 注意必须先完成元数据清洗步骤，否则哈希值会被无关字段影响，失去留存校验的意义

通用参考实现（兼容Python 2.7与Python 3.6+）：

import marshal
import hashlib
import types

def get_normalized_code_hash(source_path: str) -> str:
    # 读取源文件编译为顶层code对象
    with open(source_path, "r", encoding="utf-8", errors="ignore") as f:
        source_content = f.read()
    root_code = compile(source_content, filename=source_path, mode="exec")

    # 递归清洗所有嵌套code对象的无关元数据
    def _normalize_code(code_obj: types.CodeType) -> types.CodeType:
        # 递归处理常量中嵌套的code对象
        normalized_consts = []
        for const in code_obj.co_consts:
            if isinstance(const, types.CodeType):
                normalized_consts.append(_normalize_code(const))
            else:
                normalized_consts.append(const)

        # 适配Python2/3的code对象结构差异
        if hasattr(code_obj, "co_kwonlyargcount"):
            # Python3 特有参数结构
            new_code = types.CodeType(
                code_obj.co_argcount,
                code_obj.co_kwonlyargcount,
                code_obj.co_nlocals,
                code_obj.co_stacksize,
                code_obj.co_flags,
                code_obj.co_code,
                tuple(normalized_consts),
                code_obj.co_names,
                code_obj.co_varnames,
                "<fixed_filename>",
                code_obj.co_name,
                0,
                b"",
            )
        else:
            # Python2 参数结构
            new_code = types.CodeType(
                code_obj.co_argcount,
                code_obj.co_nlocals,
                code_obj.co_stacksize,
                code_obj.co_flags,
                code_obj.co_code,
                tuple(normalized_consts),
                code_obj.co_names,
                code_obj.co_varnames,
                "<fixed_filename>",
                code_obj.co_name,
                0,
                b"",
            )
        return new_code

    normalized_root = _normalize_code(root_code)
    serialized_code = marshal.dumps(normalized_root)
    return hashlib.sha256(serialized_code).hexdigest()

• 调用示例：分别计算file1.py和file2.py的哈希值，若值相同则说明二者逻辑完全等价。

内容的提问来源于stack exchange，提问作者gelonida