用Python写一个带断点续传与校验的校园文件备份小工具

前言

在学校机房或者宿舍电脑上写作业、做课程设计时，最让人心疼的不是代码写错，而是文件突然丢了。U盘忘记带、机房电脑重启后还原、作业做到一半断电、把旧版本覆盖了新版本，这些问题几乎每个学生都遇到过。本文要做的，就是一个只有几十行核心逻辑的校园文件备份小工具：它可以把指定文件夹复制到备份目录，支持断点续传，备份完成后用哈希值校验，第二次运行时只复制新增和改动过的文件。工具不依赖任何第三方库，只用 Python 标准库，适合刚学完文件操作和异常处理的同学动手练习。

一、校园场景里的三个真实痛点

第一个痛点是覆盖风险。很多同学习惯把作业直接保存在桌面，文件名永远是作业一、作业二、最终版、最终版二，最后自己也分不清哪个是最新的。第二个痛点是中断风险。机房电脑常常定时还原，宿舍也可能突然断电，复制大文件夹到一半被打断，下次又要从头开始。第三个痛点是校验缺失。复制完成后很少有人逐个打开检查，缺了一个图片或者数据文件，往往交作业时才发现。

一个好的备份工具，不需要做得很复杂，但必须回答三个问题：哪些文件需要备份，断了以后能不能接着做，做完以后怎么证明文件没有损坏。本文的设计，就是围绕这三个问题展开的。

二、设计思路：清单加哈希，一次只做一件事

工具的核心是一张清单文件，通常叫 manifest.json。它记录每个相对路径、文件大小、修改时间和 SHA256 哈希值。每次备份时，程序先扫描源文件夹，生成新的清单，再和旧清单逐项比较。如果文件不存在于旧清单，说明是新增文件，需要复制；如果大小或者哈希值变了，说明文件被修改过，需要重新复制；如果完全一致，就直接跳过。这样既节省时间，也避免反复复制没有变化的大文件。

断点续传的思路也很简单。复制大文件时，不要一次性读入内存，而是按块读取，例如每次读取 1MB，写一块就更新进度。如果中途中断，目标文件会比源文件短，下次运行时程序发现大小不一致，就会重新复制这个文件。更稳妥的做法是先写到临时文件，复制完成并且校验通过后，再把临时文件重命名为正式文件。这样即使中途断电，正式文件也不会处于写了一半的损坏状态。

校验使用 SHA256。复制完成后，程序重新计算目标文件的哈希值，并和源文件的哈希值比较。只有两者一致，才把这条记录写入新清单。如果不一致，就把该文件标记为失败，下一轮可以重试。这个步骤看起来多余，却是整个工具最有价值的部分。

三、实现步骤

第一步，定义两个目录。源目录是需要备份的作业文件夹，备份目录是 U盘或者另一个硬盘上的文件夹。程序启动时先检查两个目录是否存在，不存在就给出明确提示，而不是直接崩溃。

第二步，扫描源目录。使用 os.walk 递归遍历所有子目录，跳过备份目录本身和清单文件，避免把备份结果又备份一遍。扫描时记录相对路径，这样恢复时才能还原原来的目录结构。

第三步，比较清单。如果旧清单不存在，就把所有文件当作新增文件。比较时优先比较文件大小，大小不同可以直接判定为改动，只有大小相同但修改时间变化时，才计算哈希值确认，这样可以减少不必要的计算。

第四步，按块复制并校验。打开源文件和临时文件，用循环每次读取一块数据，直到读完。复制完成后计算哈希值，校验通过后再重命名。

第五步，保存新清单并输出统计。统计包括新增文件数、更新文件数、跳过文件数和失败文件数。失败文件要单独列出来，方便用户检查是权限问题还是磁盘空间不足。

四、核心代码

import hashlib
import json
import os
import shutil

CHUNK_SIZE = 1024 * 1024


def file_hash(path):
    h = hashlib.sha256()
    with open(path, 'rb') as f:
        while True:
            data = f.read(CHUNK_SIZE)
            if not data:
                break
            h.update(data)
    return h.hexdigest()


def load_manifest(path):
    if not os.path.exists(path):
        return {}
    with open(path, 'r', encoding='utf-8') as f:
        return json.load(f)


def backup(src_dir, dst_dir):
    manifest_path = os.path.join(dst_dir, 'manifest.json')
    old = load_manifest(manifest_path)
    new = {}
    copied = skipped = failed = 0
    for root, dirs, files in os.walk(src_dir):
        for name in files:
            src_path = os.path.join(root, name)
            rel = os.path.relpath(src_path, src_dir)
            dst_path = os.path.join(dst_dir, rel)
            os.makedirs(os.path.dirname(dst_path), exist_ok=True)
            size = os.path.getsize(src_path)
            old_item = old.get(rel)
            if old_item and old_item['size'] == size:
                digest = file_hash(src_path)
                if digest == old_item['sha256']:
                    new[rel] = old_item
                    skipped += 1
                    continue
            tmp_path = dst_path + '.tmp'
            try:
                shutil.copyfile(src_path, tmp_path)
                if file_hash(tmp_path) != file_hash(src_path):
                    raise ValueError('校验不一致')
                os.replace(tmp_path, dst_path)
                new[rel] = {'size': size, 'sha256': file_hash(dst_path)}
                copied += 1
            except Exception as e:
                print('失败:', rel, e)
                failed += 1
    with open(manifest_path, 'w', encoding='utf-8') as f:
        json.dump(new, f, ensure_ascii=False, indent=2)
    print(f'复制 {copied} 个，跳过 {skipped} 个，失败 {failed} 个')


if __name__ == '__main__':
    backup('homework', 'backup_homework')

这段代码有几个值得注意的细节。第一，复制时先写临时文件，再用 os.replace 重命名，保证正式文件要么是旧的完整版本，要么是新的完整版本，不会出现一半新一半旧的情况。第二，跳过逻辑先比较大小，再比较哈希值，兼顾速度和准确性。第三，所有失败都单独计数并打印，不会因为一个文件出错就中断整个备份。第四，清单文件使用 UTF-8 编码保存，中文文件名也不会乱码。

五、动手测试：故意制造一次中断

测试备份工具，不能只测正常情况。建议准备一个包含文本、图片和代码的小文件夹，先完整备份一次，记录用时和统计结果。然后修改其中一个文本文件，新增一个图片文件，再运行一次，观察程序是否只复制这两个文件。接下来可以模拟中断：复制一个较大的视频文件时手动结束程序，再重新运行，检查临时文件是否被正确处理，正式文件是否完整。最后，故意改动备份目录里的一个文件，再运行一次，程序应当发现哈希值不一致，并把正确版本重新复制回来。

如果这几组测试都通过，说明断点续传和校验逻辑基本可用。还可以继续扩展，例如给清单加上备份时间，给失败文件单独生成日志，或者在备份前检查目标磁盘剩余空间是否足够。这些扩展都不难，但能让工具更接近真实可用的状态。

六、常见问题

为什么不直接用复制粘贴。手动复制最大的问题是无法记住哪些文件改过，也无法校验结果。文件一多，手动操作很容易漏复制或者覆盖错版本。

为什么跳过文件时还要算哈希。只比较修改时间并不可靠，有些编辑器保存时会保留原时间，或者文件被重新写入但内容没有变化。哈希值是内容本身的指纹，内容不变，哈希值就不会变。

为什么大文件要分块读取。如果一次性把几个 GB 的文件读入内存，普通电脑很容易内存不足。按块读取时内存占用始终只有一块数据的大小，和文件总大小无关。

结语

备份不是一个高深的技术，却是一个非常好的工程习惯。它教会我们把一次性的操作变成可重复的流程，把口头上的我复制过了变成可以验证的结果。把这个小工具跑通之后，可以再试着给它加上命令行参数、定时备份和恢复功能，一步一步把它做成真正属于自己的学习工具。希望这篇文章能帮你少丢一次作业，也希望你从今天开始，给重要的文件留一个可以验证的备份。