用 Python 生成文件清单：把路径、大小和 SHA-256 分开记录

问题与输出约定

交付一批资料时，目录截图可以说明文件看起来存在，却不便于逐项核对内容。下面用Python标准库生成一份清单，每行记录相对路径、字节大小、SHA-256和状态。示例适用于普通、已停止修改的小型目录，不扫描系统目录，不自动删除或覆盖源文件。输出放在扫描目录之外，避免下一轮把清单自身纳入计算。

一段可运行的实现

在脚本旁建立sample_data目录，将待核对文件放进去。使用Python 3.10或更新版本运行，结果写入manifest.json。读取采用分块方式，避免一次把整个大文件载入内存。

import hashlib
import json
from pathlib import Path

root = Path("sample_data").resolve(strict=True)
rows = []
for path in sorted(root.rglob("*")):
    if path.is_symlink() or not path.is_file():
        continue
    try:
        before = path.stat()
        digest = hashlib.sha256()
        with path.open("rb") as stream:
            for chunk in iter(lambda: stream.read(1024 * 1024), b""):
                digest.update(chunk)
        after = path.stat()
        stable = (before.st_size, before.st_mtime_ns) == (after.st_size, after.st_mtime_ns)
        rows.append({"path": path.relative_to(root).as_posix(),
                     "size": after.st_size,
                     "sha256": digest.hexdigest() if stable else None,
                     "status": "ok" if stable else "changed_during_read"})
    except OSError as exc:
        rows.append({"path": path.relative_to(root).as_posix(),
                     "status": "error", "error_type": type(exc).__name__})
Path("manifest.json").write_text(
    json.dumps(rows, ensure_ascii=False, indent=2), encoding="utf-8")

为什么同时记录路径和哈希

路径描述文件在这批交付资料中的位置，哈希用于比较读取到的字节内容。文件改名后，路径改变但内容哈希可以不变；同一个路径被新文件覆盖，路径不变但哈希通常会改变。只用文件名或大小作为一致性证据都不充分。对比两份清单时，应先按相对路径建立对应关系，再比较状态、大小和摘要，不要把缺失的条目当作一致。

读取失败不能伪装成空文件

示例将权限不足、文件消失等OSError记录为error，并保留异常类型。真正的空文件仍然能够得到确定的SHA-256，不能用空字符串代表所有异常。读前读后比较大小和纳秒修改时间，可以发现一部分并发修改；这并不构成原子快照。如果目录还在持续写入，应先停止写入、使用合适的快照机制，或者接受本轮结果需要重跑。

适用边界与验证方法

代码主动跳过符号链接，避免把链接目标混入这份普通目录清单；它不是面向不可信目录树的安全扫描器。可以用同内容不同文件名、同长度不同内容、空文件和中文文件名构造小样本，核对结果。摘要相同适合判断日常拷贝一致性，但不能证明来源可信；若攻击者同时替换文件和清单，单纯重新计算哈希无法识别。因此应通过可信渠道保存或传递参考清单。

参考资料

Python官方文档：hashlib — Secure hashes and message digests，https://docs.python.org/3/library/hashlib.html 。示例代码为本文独立编写，未复制文档示例。

说明：本文由 AI 辅助撰写，配图为自制说明图，示例数据为演示数据。