Linux cmp 命令:逐字节比较文件与判断首个差异

cmp 逐字节比较两个文件,默认报告第一个不一致的位置。它适合检查副本是否相同和定位最早的字节差异;若要阅读文本中的行变化,diff 的统一格式通常更直观。

本文以 GNU Diffutils 的 GNU cmp 为准。先检查 cmp --version、cmp --help 和 man cmp。-s、-l 也在 POSIX 规范中,但 -n、-i 的扩展用法及具体消息应以本机实现为准。下面的写文件操作仅用于新建练习文件,cmp 本身不修改输入。

cmp 命令是什么?

不限制范围时,cmp 从头比较两份输入。GNU cmp 的退出状态 0 表示比较范围相同,1 表示不同,2 表示遇到问题,例如文件缺失或参数无效。POSIX 对错误的通用规定是大于 1,因此可移植脚本应把 0、1 和其他状态分开处理。

比较单位是字节,不是屏幕上的字符。UTF-8 的一个汉字会占多个字节;二进制文件中的“行号”也只是按换行字节计数,不说明文件具有文本行结构。字节和行的位置从 1 开始。

基本语法

cmp [OPTION]... FILE1 [FILE2 [SKIP1 [SKIP2]]]

FILE1、FILE2 等是占位符,方括号表示可选部分,不要原样输入。GNU cmp 可在文件参数后指定各输入跳过的字节数;也支持 -i 形式。省略第二个文件或使用 - 时读取标准输入。含空格的路径应加引号,不要同时把两个输入都指向同一标准输入流。

cmp 的基本用法

比较两个文件

下面要求两个二进制文件已经存在。相同时通常无输出,遇到第一个不同字节时报告位置并返回 1。如果一个文件是另一个文件的完整前缀,则会报告较短文件到达 EOF(文件末尾),这也属于不同。

cmp image-a.bin image-b.bin

静默检查是否相同

-s 不显示普通比较信息,适合让脚本使用退出状态。无输出不等于相同:不同会返回 1,输入问题会返回错误状态。有些实现连错误消息也可能不显示,因此不能用“没看到报错”代替状态检查。

cmp -s copy.iso original.iso

限制初始比较范围

GNU -n 4096 最多比较 4096 字节,范围之外的差异不会影响该次结果。它不保证文件至少有 4096 字节:两个相同但都较短的文件也可返回 0;若需要固定长度,应另外核对文件大小。

cmp -n 4096 file-a file-b

如何读取第一个不同字节的位置?

在可写的练习目录中执行整个示例。它新建 cmp-demo,在里面保存 A、B 两个单字节文件。若目录已存在会退出,不覆盖其中内容;重复时请选择新的目录名。括号限制工作目录变化,LC_ALL=C 只作用于这一条 cmp,用来得到便于对照的消息。

(
  mkdir cmp-demo || exit 1
  cd cmp-demo || exit 1
  printf 'A' > first.bin || exit 1
  printf 'B' > second.bin || exit 1
  cmp_status=0
  LC_ALL=C cmp first.bin second.bin || cmp_status=$?
  printf '状态: %s\n' "$cmp_status"
  case "$cmp_status" in 0|1) ;; *) exit "$cmp_status" ;; esac
)

GNU cmp 3.12 在 C locale 下的比较消息如下,随后还会输出 状态: 1。其他实现或语言环境可能使用不同措辞:

first.bin second.bin differ: char 1, line 1

历史输出中的 char 1 实际指第 1 个字节,不是 Unicode 字符序号;line 1 是第 1 行。这个例子说明 A 与 B 在首字节不同。若双方的共同前缀相同但长度不同,EOF 消息可能写到标准错误,而非这里的标准输出。

常用选项

选项 用途与条件
-s、--silent 省略普通输出,使用退出状态判断结果;不能依赖错误消息一定可见。
-l、--verbose 列出各个不同字节,位置为十进制,两侧字节值为八进制。
-b、--print-bytes 同时显示不同字节的可显示表示,仍按字节比较。
-i SKIP 跳过两个输入开头各 SKIP 字节,再比较剩余内容。
-i SKIP1:SKIP2 GNU 扩展:分别跳过两侧不同长度的前缀。
-n LIMIT 最多比较 LIMIT 字节,不证明整个文件相同或达到该长度。

例如比较 ASCII 的 A 和 B,cmp -l 的三个数值可为 1 101 102:位置是十进制 1,字节值 101、102 则是八进制。不要把位置和值按同一种进制解释,也不要在可移植用法中组合互斥的 -l 与 -s。

实用示例

在脚本中区分相同、不同和错误

单纯用 if/else 把所有非零结果都叫作“文件不同”,会掩盖文件缺失和读取问题。下面提供完整练习,建立两份配置并保存状态;这里应显示“文件不同”并返回 1。先在可写目录执行,若 cmp-script-demo 已存在则换新目录名。

(
  mkdir cmp-script-demo || exit 1
  cd cmp-script-demo || exit 1
  printf 'port=9090\n' > generated.conf || exit 1
  printf 'port=8080\n' > current.conf || exit 1
  cmp_status=0
  cmp -s generated.conf current.conf || cmp_status=$?
  case "$cmp_status" in
    0) printf '%s\n' '没有差异' ;;
    1) printf '%s\n' '文件不同' ;;
    *) printf '比较出错: %s\n' "$cmp_status" >&2 ;;
  esac
  exit "$cmp_status"
)

这个子 shell 保留实际比较状态:相同返回 0,不同返回 1,其他问题仍返回原状态。可在另一个练习目录中把两份文件内容改为相同,或故意引用一个不存在的输入,检查三种分支。示例不解析与语言环境有关的 cmp 消息;启用 set -e 的脚本也应显式处理这些预期状态。

只比较固定头部区域

只有在已知文件格式头部长度时,才把范围限制为相应字节数。下面读取两个已存在的镜像文件,最多检查前 512 字节,不写入镜像。结果为 0 只表明本次范围内相同,镜像后面的数据仍可能不同;还应单独检查文件是否至少具有所需长度。

cmp -n 512 disk-a.img disk-b.img

跳过前缀后比较数据

下面在两侧各跳过 4096 字节,再比较剩余部分。应先确认被排除的头部确实不在检查目标内,而不是为了消除差异随意选一个偏移。两个文件的头部长度不同,可用 GNU 的 -i 16:32 分别跳过 16、32 字节,并按需配合 -n 限制后续范围。

cmp -i 4096 payload-a.bin payload-b.bin

跳过后的 GNU cmp 位置报告相对于参与比较的剩余内容,从 1 重新计数。若要映射回原始文件的零起算偏移,应分别加上各自的跳过量并减 1。例如跳过 4096 字节后报告位置 1,对应原文件偏移 4096。跳过两侧全部内容后,空范围也可能相同,不代表原文件相同。

cmp 与相关命令如何选择?

命令 主要作用 适用场景
cmp 直接逐字节比较两份输入 检查比较范围是否一致,定位首个不一致字节。
diff 按行展示文本变化 阅读源代码和配置的改动。
sha256sum 独立计算每份文件的摘要 跨机器、跨时间对照摘要;需使用可信的参考值。
comm 比较按相同规则排序的行 区分共同与单侧记录,考虑重复行。

使用时应注意什么?

-l 的输出可能很大

文件许多位置都不同,-l 就可能为大量字节逐行输出。只需要知道是否相同时先用 -s,需要首个位置时用默认模式。不能把大段数值输出当成文本补丁;文件有长度差异时也要注意 EOF 信息。

空输出必须结合退出状态判断

静默模式下,不同、相同和错误都可能没有普通输出。脚本必须保存并区分状态。文件名和消息也可能包含空格或受 locale 影响,因此不要从一条可读消息中提取位置来代替可靠的结果判断。

相同字节不等于来源可信

cmp 不验证数字签名、文件来源或格式是否有效,也不检查所有权限、所有者等元数据。比较期间应使用稳定的输入,正在被写入的文件不能视为一致快照。文本的编码、CRLF 与 LF、末尾换行都会影响字节结果;看起来一样的字符也可能具有不同编码。

常见问题

cmp 没有输出就是相同吗?

应先确认状态为 0,再结合范围判断。若使用 -n 或 -i,只能说明对应范围相同;-s 下的错误也可能没有可见消息。

如何显示第一个差异之后的所有不同字节?

使用 cmp -l 文件1 文件2,但要注意输出量,以及文件长度不同产生的 EOF 提示。位置为十进制,字节值为八进制。

文本文件也能用 cmp 吗?

可以,它比较原始字节。如果要理解哪几行改变了,应使用 diff;换行和编码不同也会使 cmp 判断为不同。

cmp 与校验和有何区别?

cmp 直接读取两份输入进行比较;校验和工具为每份文件独立生成摘要,便于跨机器传递和对照。但参考摘要是否可信仍需另行确认,二者都不自动验证来源。

相关资料与官方文档