实战项目3：实现一个文件差异比较工具，支持文本与二进制模式

说实话，文件差异比较这个需求，我在工作中碰到过太多次了。

有一次，两个固件版本烧出来行为不一样，我得找出到底是哪几个字节变了。还有一次，同事改了一版配置文件，结果系统跑不起来，我得一行一行看改了啥。那时候我就想，干脆自己写个 diff 工具算了。

今天这个项目，我们就来手撸一个。它支持两种模式：文本模式（逐行比较）和二进制模式（逐字节比较）。

项目需求与设计思路

先说说我们要做什么。

  • 输入两个文件名，以及一个模式参数（"text" 或 "binary"）。
  • 文本模式下，按行读取，逐行比较，输出差异的行号与内容。
  • 二进制模式下，按块读取（比如 512 字节一块），逐字节比较，输出第一个不同的偏移地址和字节值。
  • 如果文件完全一致，输出 "Files are identical."。

嗯，这里要注意：文本模式不能简单用 fgets 一行一行比，因为行尾可能有换行符差异（Windows 的 \r\n vs Linux 的 \n）。我个人习惯在比较前先去掉行尾空白，或者统一转换成同一种格式。

二进制模式就简单多了，直接读内存块，用 memcmp 或者自己逐字节比。但如果你要输出所有不同的位置，那就得自己写循环了。

核心设计图

文件差异比较工具 — 整体流程 输入两个文件名 + 模式 模式判断 文本模式：逐行比较 二进制模式：逐块比较 输出差异行号/偏移地址，或 "Files are identical."

文本模式的核心实现

文本模式说白了就是逐行扫描。我习惯用 fgets 读一行，然后去掉末尾的换行符，再跟另一文件的对应行做比较。

但有个坑：两个文件行数可能不一样。比如文件 A 有 100 行，文件 B 只有 80 行。那从第 81 行开始，A 的所有行都算新增内容。

小技巧： 我一般用 strcspn 来去掉换行符，比手动写循环快多了。像这样：line[strcspn(line, "\n")] = '\0';

// 文本模式比较核心代码
void diff_text(FILE *fp1, FILE *fp2) {
    char line1[1024], line2[1024];
    int line_num = 1;
    int has_diff = 0;

    while (1) {
        char *r1 = fgets(line1, sizeof(line1), fp1);
        char *r2 = fgets(line2, sizeof(line2), fp2);

        if (r1 == NULL && r2 == NULL) break;

        // 去掉行尾换行符
        if (r1) line1[strcspn(line1, "\n")] = '\0';
        if (r2) line2[strcspn(line2, "\n")] = '\0';

        if ((r1 == NULL) || (r2 == NULL) || (strcmp(line1, line2) != 0)) {
            printf("差异行 %d:\n", line_num);
            if (r1) printf("  < %s\n", line1);
            else    printf("  < (文件结束)\n");
            if (r2) printf("  > %s\n", line2);
            else    printf("  > (文件结束)\n");
            has_diff = 1;
        }
        line_num++;
    }

    if (!has_diff) printf("Files are identical.\n");
}

你看，逻辑其实不复杂。但我在项目中遇到过一个问题：如果某一行特别长（比如超过 1024 字节），fgets 会截断它。这时候比较就会出错。所以我建议，如果处理大文件，可以用动态分配缓冲区，或者用 getline（POSIX 标准）。

二进制模式的核心实现

二进制模式就粗暴多了。我直接按块读，每块 512 字节，然后用 memcmp 快速判断。如果某一块不同，再逐字节定位。

为什么先整块比较？因为 memcmp 是内存级别的比较，速度极快。你想想看，如果两个文件有 100MB，逐字节比要 1 亿次循环，而用 memcmp 配合大块读取，可能只需要几百次比较。

注意： 二进制模式下，不要用 fgets 或 fscanf，它们遇到 \0 会停止。一定要用 fread。

// 二进制模式核心代码
void diff_binary(FILE *fp1, FILE *fp2) {
    unsigned char buf1[512], buf2[512];
    size_t offset = 0;
    int has_diff = 0;

    while (1) {
        size_t n1 = fread(buf1, 1, sizeof(buf1), fp1);
        size_t n2 = fread(buf2, 1, sizeof(buf2), fp2);

        if (n1 == 0 && n2 == 0) break;

        // 先快速比较整块
        size_t min_n = (n1 < n2) ? n1 : n2;
        if (memcmp(buf1, buf2, min_n) != 0 || n1 != n2) {
            // 逐字节定位
            for (size_t i = 0; i < min_n; i++) {
                if (buf1[i] != buf2[i]) {
                    printf("偏移 0x%08zX: 文件1=0x%02X 文件2=0x%02X\n",
                           offset + i, buf1[i], buf2[i]);
                    has_diff = 1;
                }
            }
            // 处理长度不一致的情况
            if (n1 > n2) {
                for (size_t i = n2; i < n1; i++)
                    printf("偏移 0x%08zX: 文件1=0x%02X 文件2=(文件结束)\n",
                           offset + i, buf1[i]);
                has_diff = 1;
            } else if (n2 > n1) {
                for (size_t i = n1; i < n2; i++)
                    printf("偏移 0x%08zX: 文件1=(文件结束) 文件2=0x%02X\n",
                           offset + i, buf2[i]);
                has_diff = 1;
            }
        }
        offset += min_n;
    }

    if (!has_diff) printf("Files are identical.\n");
}

嗯，这里有个细节：偏移地址用 %08zX 格式化，z 表示 size_t 类型，08 表示至少输出 8 位十六进制数，前面补零。这样输出对齐，看着舒服。

主函数与模式选择

主函数就简单了，解析命令行参数，打开文件，根据模式调用对应的函数。

int main(int argc, char *argv[]) {
    if (argc != 4) {
        fprintf(stderr, "用法: %s <文件1> <文件2> <模式:text|binary>\n", argv[0]);
        return 1;
    }

    FILE *fp1 = fopen(argv[1], "rb");
    FILE *fp2 = fopen(argv[2], "rb");
    if (!fp1 || !fp2) {
        perror("打开文件失败");
        return 1;
    }

    if (strcmp(argv[3], "text") == 0) {
        diff_text(fp1, fp2);
    } else if (strcmp(argv[3], "binary") == 0) {
        diff_binary(fp1, fp2);
    } else {
        fprintf(stderr, "未知模式: %s (请使用 text 或 binary)\n", argv[3]);
    }

    fclose(fp1);
    fclose(fp2);
    return 0;
}

注意，我打开文件时用了 "rb" 模式。为什么？因为在 Windows 下，"r" 模式会把 \r\n 转换成 \n，这对二进制比较是灾难。用 "rb" 可以保证原样读取。文本模式下其实也可以用 "rb"，然后自己处理换行符，这样跨平台更安全。

避坑指南与经验总结

我曾经在做一个嵌入式项目时，需要比较两个固件镜像的差异。当时偷懒，直接用 fgets 读二进制文件，结果遇到 \0 就停了，后面全没读到。那次排查了整整一个下午才找到原因。所以，二进制文件一定要用 fread，这是铁律。

另外，文本模式下还有一个常见问题：编码差异。比如一个文件是 UTF-8，另一个是 GBK，那逐行比较肯定全是差异。我一般会在比较前先统一编码，或者至少给用户一个提示。

总结一下这个项目的关键点：

  • 文本模式用 fgets + strcmp，注意处理行尾和行数不一致。
  • 二进制模式用 fread + memcmp，先整块比较再逐字节定位，效率高。
  • 文件打开统一用 "rb"，避免平台差异。
  • 偏移地址用 %08zX 格式化，输出整齐。

这个工具虽然简单，但非常实用。你把它编译出来，放到 /usr/local/bin 下，以后随时可以用。我个人电脑上就一直留着这个工具，比系统自带的 diff 轻量多了。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →