哪些信息描述了两个相同大小的大型给定文件之间的数量差异？

Question

通常，为了找到两个二进制文件有何不同，我使用diff和hexdump工具。但是在某些情况下，如果给出两个相同大小的大型二进制文件，我只希望看到它们的数量差异，例如差异区域的数量，累积差异。

示例：2个文件A和B。它们具有2个差异区域，其累积差为 6c-a3 + 6c-11 + 6f-6e + 20-22。 通用标签

如何使用标准的GNU工具和Bash获取此类信息，还是最好使用简单的Python脚本？关于2个文件的不同之处的其他统计信息也可能有用，但是我不知道还有哪些内容以及如何衡量？熵差？方差差异？

Answer 1

对于除区域以外的所有内容，您都可以使用 numpy 。像这样（未经测试）： 通用标签

我找不到用于计算区域的numpy函数，但是只是使用a != b作为输入来编写自己的函数，这并不难。请参阅此问题灵感。

Answer 2

一种想到的方法是对二进制差异算法有所了解。例如。 rsync算法的python实现。从此开始，应该可以相对轻松地获得文件不同的块范围的列表，然后对这些块进行任何统计。