最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python利用模糊哈希實(shí)現(xiàn)對(duì)比文件相似度

 更新時(shí)間:2023年01月28日 14:57:18   作者:nick  
對(duì)比兩個(gè)文件相似度,python中可通過(guò)difflib.SequenceMatcher/ssdeep/python_mmdt/tlsh實(shí)現(xiàn),<BR>在大量需要對(duì)比,且文件較大時(shí),需要更高的效率,可以考慮模糊哈希,本文就來(lái)和大家詳細(xì)聊聊

對(duì)比兩個(gè)文件相似度,python中可通過(guò)difflib.SequenceMatcher/ssdeep/python_mmdt/tlsh實(shí)現(xiàn),在大量需要對(duì)比,且文件較大時(shí),需要更高的效率,可以考慮模糊哈希(fuzzy hash),如ssdeep/python_mmdt

測(cè)試過(guò)程發(fā)現(xiàn):

  • difflib方法,讀取文件后,可以實(shí)現(xiàn)匹配度輸出
  • ssdeep/mmdt/tlsh方法可以實(shí)現(xiàn),實(shí)現(xiàn)提前模糊哈希值,驗(yàn)證時(shí),只讀取一次,完成對(duì)比,從而優(yōu)化對(duì)比時(shí)間,及內(nèi)存/cpu消耗
  • tlsh測(cè)試時(shí),值越小,相似度越高,在對(duì)比小文件時(shí),很不理想
  • 在對(duì)比小文件時(shí),三種方法相差不大,在對(duì)比大文件(案例中81MB),difflib方法慢的難以接受
  • 在實(shí)際環(huán)境中,建議使用mmdt方法,因?yàn)閟sdeep在二進(jìn)制對(duì)比中差別較大,失去參考價(jià)值,具體還有哪些文件類型存在此問(wèn)題有待考量,

測(cè)試環(huán)境:

OS:ubuntu20.04

python:3.8.10

py-tlsh==4.7.2

python-mmdt==0.3.1

ssdeep==3.4

# -*- coding: utf-8 -*-

import ssdeep
import time
from python_mmdt.mmdt.mmdt import MMDT
from difflib import SequenceMatcher

def difflib_test(file1,file2):
    start_time = time.time()
    with open(file1,'rb') as f:
        s1 = f.read()
    with open(file2,'rb') as f:
        s2 = f.read()
    match_obj =  SequenceMatcher(None,s1,s2)
    print("difflib match:",match_obj.ratio())
    end_time = time.time()
    print('difflib_test cost :',end_time-start_time)

def mmdt_test(file1,file2):
    start_time = time.time()
    mmdt=MMDT()
    r1 = mmdt.mmdt_hash(file1)
    print(r1)
    r2 = mmdt.mmdt_hash_streaming(file2)
    print(r2)
    # sim1 = mmdt.mmdt_compare(file1, file2)
    # print("mmdt match:",sim1)
    sim2 = mmdt.mmdt_compare_hash(r1, r2)
    print("mmdt match:",sim2)
    end_time = time.time()
    print('mmdt_test cost :',end_time-start_time)

def ssdeep_test(file1,file2):
    start_time = time.time()
    sig1=ssdeep.hash_from_file(file1)
    sig2=ssdeep.hash_from_file(file2)
    print(sig1)
    print(sig2)
    print("ssdeep match:",ssdeep.compare(sig1,sig2))
    end_time = time.time()
    print('ssdeep_test cost :',end_time-start_time)

if __name__ == '__main__':
    start_time = time.time()
    file1='/root/test/fstab'
    file2='/root/test/fstab2'
    # file1 = '/root/test/initrd.img-5.4.0-125-generic'
    # file2 = '/root/test/initrd.img-5.4.0-135-generic'
    mmdt_test(file1,file2)    
    ssdeep_test(file1,file2)
    difflib_test(file1,file2)
    end_time = time.time()
    print('總執(zhí)行時(shí)間:',end_time-start_time)

下面給出對(duì)比小文件/大文件效果:

測(cè)試tlsh

import tlsh
import time

def tlsh_test(file1,file2):
    start_time = time.time()
    with open(file1,'rb') as f:
        s1 = tlsh.hash(f.read())
    with open(file2,'rb') as f:
        s2 = tlsh.hash(f.read())
    match_obj =  tlsh.diff(s1,s2)
    print("tlsh match:",match_obj)
    end_time = time.time()
    print('difflib_test cost :',end_time-start_time)


if __name__ == '__main__':
    start_time = time.time()
    # file1='/root/test/fstab'
    # file2='/root/test/fstab2'
    file1 = '/root/test/initrd.img-5.4.0-125-generic'
    file2 = '/root/test/initrd.img-5.4.0-135-generic'
    tlsh_test(file1,file2)
    end_time = time.time()
    print('總執(zhí)行時(shí)間:',end_time-start_time)

對(duì)比小文件/大文件

到此這篇關(guān)于Python利用模糊哈希實(shí)現(xiàn)對(duì)比文件相似度的文章就介紹到這了,更多相關(guān)Python對(duì)比文件相似度內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python探針完成調(diào)用庫(kù)的數(shù)據(jù)提取

    Python探針完成調(diào)用庫(kù)的數(shù)據(jù)提取

    這篇文章主要介紹了Python探針完成調(diào)用庫(kù)的數(shù)據(jù)提取,Python中可以通過(guò)sys.meta_path來(lái)實(shí)現(xiàn)import?hook的功能,下文詳細(xì)資料介紹,需要的小伙伴可以參考一下
    2022-05-05
  • 利用Python實(shí)現(xiàn)讀取Word文檔里的Excel附件

    利用Python實(shí)現(xiàn)讀取Word文檔里的Excel附件

    這篇文章主要為大家詳細(xì)介紹了如何利用Python實(shí)現(xiàn)讀取Word文檔里的Excel附件,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起了解一下
    2022-12-12
  • 基于python和flask實(shí)現(xiàn)http接口過(guò)程解析

    基于python和flask實(shí)現(xiàn)http接口過(guò)程解析

    這篇文章主要介紹了基于python和flask實(shí)現(xiàn)http接口過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-06-06
  • Python入門篇之編程習(xí)慣與特點(diǎn)

    Python入門篇之編程習(xí)慣與特點(diǎn)

    本文是Python入門篇的第一篇文章,主要講述了Python編程習(xí)慣和特點(diǎn)等一些基礎(chǔ)知識(shí),有需要的朋友可以參考下
    2014-10-10
  • python之實(shí)現(xiàn)兩個(gè)或多個(gè)列表相加

    python之實(shí)現(xiàn)兩個(gè)或多個(gè)列表相加

    這篇文章主要介紹了python之實(shí)現(xiàn)兩個(gè)或多個(gè)列表相加方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-08-08
  • python merge、concat合并數(shù)據(jù)集的實(shí)例講解

    python merge、concat合并數(shù)據(jù)集的實(shí)例講解

    下面小編就為大家分享一篇python merge、concat合并數(shù)據(jù)集的實(shí)例講解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-04-04
  • Python?PaddleGAN實(shí)現(xiàn)調(diào)整照片人物年齡

    Python?PaddleGAN實(shí)現(xiàn)調(diào)整照片人物年齡

    這篇文章主要介紹了通過(guò)PaddleGAN實(shí)現(xiàn)照片人物的老年化和年輕化處理,文中的示例代碼講解有效,對(duì)我們學(xué)習(xí)或工作有一定的幫助,感興趣的可以學(xué)習(xí)一下
    2021-12-12
  • 將python代碼打包成.exe文件直接運(yùn)行的具體步驟

    將python代碼打包成.exe文件直接運(yùn)行的具體步驟

    小編最近收到了一個(gè)小伙伴的問(wèn)題,就是那么多有趣的代碼,怎么發(fā)給別人,讓沒(méi)有python環(huán)境的小伙伴也可以使用呢,本文小編將帶著大家探索如何將自己的python代碼打包成.exe可執(zhí)行文件,一起來(lái)看看吧
    2024-02-02
  • Python中的sorted函數(shù)應(yīng)用及文件操作詳解

    Python中的sorted函數(shù)應(yīng)用及文件操作詳解

    這篇文章主要介紹了Python中的sorted函數(shù)應(yīng)用及文件操作詳解,python只能將字符串寫(xiě)入到文本文件,要將數(shù)值數(shù)據(jù)存儲(chǔ)到文本本件中,必須先試用函數(shù)str()將其轉(zhuǎn)換為字符串格式,需要的朋友可以參考下
    2023-12-12
  • Python多進(jìn)程的使用詳情

    Python多進(jìn)程的使用詳情

    本篇重點(diǎn)介紹Python多進(jìn)程的使用,主要介紹其的一些方法及進(jìn)程的創(chuàng)建等,想進(jìn)一步了解的小伙伴請(qǐng)跟小編一起進(jìn)入下文吧
    2021-09-09

最新評(píng)論

林甸县| 扬州市| 新疆| 青铜峡市| 泊头市| 临桂县| 大兴区| 修水县| 洛南县| 黄山市| 大英县| 布尔津县| 黄山市| 灵宝市| 衡山县| 马关县| 南靖县| 东山县| 建平县| 江阴市| 房山区| 凤庆县| 仁怀市| 汕尾市| 寿光市| 凤城市| 清涧县| 赫章县| 扬州市| 江孜县| 遂宁市| 密山市| 阿瓦提县| 石河子市| 马尔康县| 淮安市| 华蓥市| 正蓝旗| 茶陵县| 乌什县| 临朐县|