Python 業務自動化 | ファイル・フォルダ自動化：基本操作 － ハッシュ比較

Python Python
スポンサーリンク

ハッシュ比較は「ファイルの中身が本当に同じか」を正確に判断するための最重要テクニック

ファイル名が同じでも中身が違うことはあります。
サイズが同じでも中身が違うこともあります。
しかし ハッシュ（SHA-256 など） を使えば、ファイルの内容を数学的に要約した値を比較できるため、完全一致かどうかを高精度で判定できます。

業務では次のような場面で必須になります。

  • バックアップ後に「正しくコピーできたか」検証したい
  • 重複ファイルを正確に検出したい
  • ダウンロードしたファイルが壊れていないか確認したい
  • システム間でファイルの整合性をチェックしたい

ここから、初心者でも理解しやすいように、基本 → 応用 → 実務テンプレートの順で丁寧に解説します。

ハッシュ比較の基本：SHA-256 でファイルの内容を数値化する

最小構成：ファイルのハッシュ値を取得する

import hashlib

def file_hash(path, chunk_size=1024 * 1024):
    h = hashlib.sha256()
    with open(path, "rb") as f:
        while chunk := f.read(chunk_size):
            h.update(chunk)
    return h.hexdigest()

print(file_hash("data.txt"))
Python

深掘りポイント

  • "rb" でバイナリ読み込みするのは「テキストかどうかに関係なく正確に読むため」
  • chunk_size を使うことで大容量ファイルでもメモリ不足にならない
  • hexdigest() はハッシュ値を 16 進数の文字列で返す

2つのファイルを比較して「完全一致」か判定する

ハッシュ値を比較するだけで一致判定ができる

h1 = file_hash("file_a.dat")
h2 = file_hash("file_b.dat")

if h1 == h2:
    print("完全一致：内容が同じです")
else:
    print("不一致：内容が異なります")
Python

深掘りポイント

  • ハッシュが一致する＝内容が完全に同じ
  • サイズや名前ではなく「中身」で比較するため信頼性が高い
  • バックアップ検証で非常に重要

例題①：バックアップ後に「コピー成功」をハッシュで検証する

シナリオ

bigfile.dat をコピーした後、本当に同じか確認したい。

import shutil

src = "bigfile.dat"
dst = "backup/bigfile.dat"

shutil.copy2(src, dst)

if file_hash(src) == file_hash(dst):
    print("コピー成功：内容一致")
else:
    print("コピー失敗：内容が異なります")
Python

深掘りポイント

  • 大容量ファイルでは「コピー成功したように見えて壊れている」ことがある
  • ハッシュ比較はその不安を完全に解消する

例題②：フォルダ内の重複ファイルをハッシュで検出する

シナリオ

同じ内容のファイルが複数あるフォルダを整理したい。

import os

def find_duplicates(folder):
    hashes = {}
    duplicates = []

    for name in os.listdir(folder):
        path = os.path.join(folder, name)
        if os.path.isfile(path):
            h = file_hash(path)
            if h in hashes:
                duplicates.append((hashes[h], path))
            else:
                hashes[h] = path

    return duplicates

dups = find_duplicates("data")

for a, b in dups:
    print("重複:", a, "<->", b)
Python

深掘りポイント

  • サイズ一致よりも精度が高い
  • 名前が違っても内容が同じなら検出できる
  • 容量削減に直結する

例題③：ダウンロードしたファイルが壊れていないか検証する

シナリオ

配布元が公開しているハッシュ値と一致するか確認したい。

expected = "d2c7e4a1f8b0..."  # 公開されているハッシュ値
actual = file_hash("download.zip")

if expected == actual:
    print("正常：ファイルは破損していません")
else:
    print("警告：ファイルが破損している可能性があります")
Python

深掘りポイント

  • ソフトウェア配布ではハッシュ値が公開されていることが多い
  • セキュリティ上も重要（改ざん検知）

例題④：サブフォルダも含めてフォルダ全体のハッシュ比較を行う

シナリオ

2つのフォルダが完全に同じか確認したい。

import os

def folder_hashes(folder):
    result = {}
    for current, dirs, files in os.walk(folder):
        for name in files:
            path = os.path.join(current, name)
            rel = os.path.relpath(path, folder)
            result[rel] = file_hash(path)
    return result

h1 = folder_hashes("folder_a")
h2 = folder_hashes("folder_b")

if h1 == h2:
    print("フォルダ内容が完全一致")
else:
    print("フォルダ内容が異なります")
Python

深掘りポイント

  • 相対パスをキーにすることでフォルダ構造ごと比較できる
  • バックアップフォルダの検証に最適

pathlib を使った読みやすいハッシュ比較

Path オブジェクトで直感的に書ける

from pathlib import Path
import hashlib

def file_hash_path(p: Path):
    h = hashlib.sha256()
    with p.open("rb") as f:
        while chunk := f.read(1024 * 1024):
            h.update(chunk)
    return h.hexdigest()

p1 = Path("file_a.txt")
p2 = Path("file_b.txt")

print("一致" if file_hash_path(p1) == file_hash_path(p2) else "不一致")
Python

メリット

  • p.open() が読みやすい
  • パス結合が / で直感的
  • 大規模コードでも保守性が高い

ハッシュ比較を業務で使うときの重要ポイント

  • SHA-256 は精度が高く、実務で最も使われる
  • 大容量ファイルはチャンク読み込みでメモリ節約
  • コピー後の検証に使うと信頼性が大幅に向上
  • 重複ファイル検出にも応用できる
  • フォルダ単位の整合性チェックも可能
  • セキュリティ（改ざん検知）にも役立つ

スポンサーリンク
タイトルとURLをコピーしました