Comparação de Arquivos em Python

15 Sep, 2026

Entendendo o Conceito

A comparação de arquivos em Python pode ser feita avaliando metadados e conteúdo binário localmente ou calculando assinaturas criptográficas (hashes).

Quando a verificação ocorre no mesmo sistema de arquivos, o fluxo avalia primeiro o tamanho do arquivo; se forem iguais, o conteúdo é lido em blocos para confirmar a igualdade. Para sistemas distribuídos, locais distintos ou persistência em banco de dados, gera-se um hash SHA-256 do arquivo e compara-se apenas a string resultante.

Passo a Passo

Alternativa 1 - Comparação local usando filecmp

Para arquivos presentes no mesmo sistema de arquivos, utiliza-se o módulo nativo filecmp.

1. Importar o módulo filecmp.
2. Chamar a função filecmp.cmp() passando os caminhos e o parâmetro shallow=False.

import filecmp

def comparar_arquivos(caminho_arq1, caminho_arq2):
    sao_iguais = filecmp.cmp(caminho_arq1, caminho_arq2, shallow=False)
    
    if sao_iguais:
        print("Os arquivos são 100% idênticos!")
    else:
        print("Os arquivos são diferentes.")
    return sao_iguais

comparar_arquivos("documento1.pdf", "documento2.pdf")

Alternativa 2 - Comparação por Hash SHA-256 usando hashlib

Para arquivos em servidores distintos ou de grande porte, utiliza-se o módulo hashlib com leitura em blocos (chunks) para preservar o consumo de memória RAM.

1. Importar o módulo hashlib.
2. Instanciar o objeto hashlib.sha256().
3. Abrir o arquivo em modo de leitura binária (rb).
4. Iterar sobre o arquivo lendo blocos fixos de 64KB (65536 bytes) e atualizar o objeto hash.
5. Obter a representação hexadecimal com hexdigest().
6. Comparar as strings de hash resultantes.

import hashlib

def calcular_sha256(caminho_arquivo):
    sha256_hash = hashlib.sha256()
    
    with open(caminho_arquivo, "rb") as f:
        for byte_block in iter(lambda: f.read(65536), b""):
            sha256_hash.update(byte_block)
            
    return sha256_hash.hexdigest()

hash1 = calcular_sha256("documento1.pdf")
hash2 = calcular_sha256("documento2.pdf")

if hash1 == hash2:
    print("Os hashes coincidem! Os arquivos são idênticos.")
else:
    print("Os hashes são diferentes. Os arquivos mudaram.")

Explicando o código

Módulo filecmp

• filecmp.cmp(caminho_arq1, caminho_arq2, shallow=False): executa a comparação entre dois arquivos.
• shallow=False: força a leitura do conteúdo do arquivo caso o tamanho e os metadados sejam idênticos, garantindo a comparação do conteúdo real. O valor padrão (True) considera apenas os.stat() (tamanho, tipo e data de modificação).

Módulo hashlib e manipulação de arquivos

• hashlib.sha256(): inicializa a instância do algoritmo de hashing SHA-256.
• "rb": modo de abertura do arquivo em leitura binária (read binary). Lê os dados como bytes brutos sem aplicar decodificação de texto.
• f.read(65536): lê um bloco de 64 KB (65.536 bytes) por vez do arquivo, evitando carregar o arquivo inteiro na memória RAM.
• iter(lambda: f.read(65536), b""): constrói um iterador que executa a leitura até retornar uma string de bytes vazia (b""), indicando o fim do arquivo (EOF).
• sha256_hash.update(byte_block): atualiza o estado do objeto hash com o bloco de bytes lido.
• sha256_hash.hexdigest(): retorna a digestão do hash calculada no formato de string hexadecimal.

Observações

• O erro FileNotFoundError ocorre quando o caminho informado para o arquivo não é localizado no sistema de arquivos.
• No Windows, caminhos com barras invertidas podem gerar problemas de caractere de escape (\n, \t). Deve-se utilizar barras normais (/) ou raw strings (r"C:\pasta\arquivo.pdf").
• Omitir shallow=False na função filecmp.cmp() faz com que a checagem considere arquivos de mesmo tamanho e mesmo timestamp de modificação como idênticos, sem comparar seus conteúdos.

Referências

1. Documentação oficial da biblioteca padrão Python (filecmp e hashlib).

#automation #file-handling #filecmp #hashlib #python #sha256