Vergleichen von 2 txt bzw. html-Dateien?

[Enfa]

Hallo @ all,

Mein Java-Programm muss HTML-Dateien erstellen.

Jetzt muss mein Programm die Inhalte der einzelne HTML-Dateien überprüfen. Falls der Inhalt der HTML-Datei geändert hat, dann muss ein neues HTML-Datei erzeugt werden.

Zu Überprüfung habe ich jetzt folgende Idee:

Nach dem ich das HTML-Datei erzeugt habe, hole ich den Inhalt mit StringBuffer und erstelle mit der Funktion hashCode() einen HashCode zu dem Inhalt und speichere den in einem txt-File.

Z.B. starte ich mein Programm nach 2 Tagen, um zu überprüfen, ob sich der Inhalt verändert hat. Ich erzeuge das HTML-Datei und erzeuge ebenfalls den HashCode.

Nun, vergleiche diesen HashCode mit dem HashCode, dass ich im txt-Datei gespeichert habe.

Nun die Frage:

Wenn die HashCode's nicht identisch sind, haben sich die Inhalte dann geändert? Eigentlich schon.

Ich könnte auch die beiden StringBuffer miteinander vergleichen. Ich glaube aber, dass es mit HashCode schneller geht. Denn ich muss 52 HTML-Datei miteinander vergleichen.

ich war mir nicht sicher, ob meine Idee so in Ordnung ist.

Was meint ihr?

Oder habt ihr eine andere Idee, wie ich die Inhalte vergleichen kann?


Vielen Dank im Voraus.

Bye

 

[moormaster]

Nun die Frage:

Wenn die HashCode's nicht identisch sind, haben sich die Inhalte dann geändert? Eigentlich schon.

Wenn sich die Hashcodes unterscheiden, dann hat sich die Datei auf jeden Fall geändert.

Unterscheiden sich die Hashcodes nicht, ist keine Aussage möglich. Die Daten könnten gleich geblieben sein, könnten sich aber auch geändert haben. Das heisst, wenn die Hashcodes gleich sind, dann musst du auf jeden Fall den gesamten Inhalt der Datei mit dem neuen Inhalt vergleichen, um eine Änderung festzustellen.

Ich könnte auch die beiden StringBuffer miteinander vergleichen. Ich glaube aber, dass es mit HashCode schneller geht. Denn ich muss 52 HTML-Datei miteinander vergleichen.

Jap Hashcode kann schneller gehen; jedoch nicht in jeder Situation. Unterscheiden sich die Hashcodes, geht es schneller, weil du dir dann das Vergleichen der exakten Dateiinhalte sparst. Aber wie gesagt, wenn der Hashcode gleich ist, musst du so oder so alles überprüfen, um Gleichheit festzustellen.

Wahrscheinlich sparst du in deinem Fall am meisten Zeit, wenn du anstatt den gesamten Dateiinhalt zu vergleichen einfach mit dem neuen Inhalt überschreibst und fertig ist. Das würde dann aber bedeuten:

Hashcodes ungleich -> Datei neu schreiben
Hashcodes gleich -> Datei neu schreiben, da es ähnlich lange Dauert, wie das Vergleichen der kompletten Datei

Was dich dahin führt, dass es am besten ist, die Hashcode-Sache ganz weg zu lassen und immer neu zu schreiben


Der Hashcode lohnt sich dann, wenn man nach Dateien sucht, die gleich sind (und nicht nach denen, die ungleich sind). Weil dann reduziert sich die Menge der zu vergleichenden Dateien auf die, wo die Hashcodes gleich sind. Aber der HashCode liefert keine nützlichen Infos, um Dateien schneller zu finden, die ungleich sind, da potentiell jede Datei ungleich sein kann, egal ob der HashWert mit dem der gesuchten Datei übereinstimmt oder nicht.

 

[bygones]

mhm... ist mir gerade aufgefallen...

verwende nicht den StringBuffer direkt fuer den hashCode - egal was in dem Buffer drinsteht, es kommt immer der gleiche HashCode raus.

erst wenn du es in einem String umwandelst kommt es richtig...

und wenn du unter linux arbeitest (bzw. vll gibts unter windows was aehnliches) - einfach systemcalls und ueber diff abfragen ;-)

 

[Enfa]

Hallo nochmals,

vielen Dank für die Antworten.

Aber bin jetzt bisschen fertig.

Denn die 52 HTML-Dateien stehen für die Kalenderwochen. Und mein Chef möchte es jeden Tag das Programm aufrufen, und überprüfen, ob sich die Inhalte verändert haben.

Wenn ja, die Kalenderwoche ausdrucken. ich kann nicht alle 52 HTML-Datei nicht jeden tag ausdrucken.

deathbyaclown, du hast recht. Mit StringBuffer.hashCode ist das hash immer gleich. Aber überprüfe ich es mit toString() dann kann man die Änderungen sehen, also es kommt ein anderer Hash-Wert.

An einem HTML-Datei habe ich es überprüft. Ich habe im Inhalt was geändert und überprüft, ob sich das Hash-Wert geändert hat. Das Klappt schon. Und wenn ich wieder den Inhalt im alten Status ändere, dann kommt das selbe Hash-Wert raus. Also es klappt doch irgendwie.

Werde es so lösen und testen.


Für weitere Tips bin ich dankbar.


Bye

 

[moormaster]

Sicherlich ändert sich der Hashwert in den meisten Fällen, wenn die Datei geändert wurde. Aber es ist nicht garantiert, dass sich der Hashwert ändert (schon allein weil es viel mehr Varianten gibt, was sich in einer 10kb Datei befinden kann, als es verschiedene Hashwerte gibt).

Es gibt einfach jede Menge sogenannte Kollisionen, wo verschiedene Dateien den selben Hashwert haben.
Gleicher Hashwert impliziert nicht gleichen Dateiinhalt! Nur unterschiedliche Hashcodes bedeuten auf jeden Fall unterschiedliche Dateiinhalte.

Du könntest dir alternativ das Datum merken, wann eine Datei zuletzt aktualisiert werden musste und dann einfach alle Dateien, die neuer als xy sind, ausdrucken.

 

[bygones]

Du könntest dir alternativ das Datum merken, wann eine Datei zuletzt aktualisiert werden musste und dann einfach alle Dateien, die neuer als xy sind, ausdrucken.

wende hier deine argumentation an ;-)

geaendertest Datum einer Datei heisst nicht, dass sich die Datei geandert hat....

 

[moormaster]

Doch heisst es... ich rede nicht vom Dateidatum Also muss ich das wohl doch weiter ausführen:

Also du hast deine ganzen HTML Dateien und irgendwann kommt dein Programm an und stellt fest, dass Datei a und Datei b sich verändert haben und neu geschrieben werden müssen... gleichzeitig vermerkt dein Programm in einer Dateiliste in einer extra Datei, wann Datei a und b neu geschrieben wurden. Somit ist das Dateidatum immer up to date... ausser wenn jemand das Systemdatum verstellt hat, dann müsste man die ganzen Dateidaten zurücksetzen.

Jedenfalls kannst du diese Dateiliste dann dazu nehmen, um zu entscheiden, welche Dateien kürzlich aktualisiert wurden, um nicht alle ausdrucken zu müssen.

 

[Gast]

52 Dateien zu überprüfen ist ja nicht wirklich eine komplexe aufgabe.

string1 = alteDatei.einlesen();
string2 = zuUeberpruefendeDatei.einlesen();

if(string1.equals(string2))
{
alteDatei = zuUeberpruefendeDatei;
drucken();
}

Zum einlessen() evtl. StringBuffer oder StringBuilder verwenden.