AudioCompare比较两个音频的相似度

项目最近遇到一个问题，两段音频，它们的大小仅相差几个字节，导致文件的md5值不一样，但实际上它们又是相同的音频，需求就是要把这样的音频找出来。从网上找了下，有这样一个库AudioCompare，可以做到音频的比较
项目地址：https://github.com/charlesconnell/AudioCompare

使用方法也比较简单：

./audiocompare -f file1 -f file2./audiocompare -f file1 -d dir1./audiocompare -d dir1 -f file1./audiocompare -d dir1 -d dir2

如果没有匹配成功会返回”NO MATCH” ，如果匹配成功会返回”MATCH …”和匹配的score

测试代码如下：

# -*-coding:utf8-*-import osimport reimport subprocess# 读取txt文件内容，每行分开加入到list中def readTxt(path, ignore):    contentList = list()    for line in open(path, "r"):        line = re.sub(r'\n', '', line)        if line.find(ignore) == -1:            contentList.append(line)    return contentListdef compareAudio(fileNameList, compareFile):    # 调用AudioCompare库方法比较两个文件    fileName = compareFile.split('/')[-1]    filePath = compareFile[:-len(fileName)]    if not os.path.exists(filePath):        os.mkdir(filePath)    if os.path.exists(compareFile):  # 已存在        fout = open(compareFile, 'a')    else:        fout = open(compareFile, 'w')        fout.write('# 记录音频比较结果的文件\n')    contentList = readTxt(compareFile, '#')    for index, fileName in enumerate(fileNameList):        for compareFileName in fileNameList[index + 1:]:            # 从记录的文件中取值，如果已经比较过就不再比较            needCompareFlag = True            for content in contentList:                if fileName in content.split('|') and compareFileName in content.split('|'):                    needCompareFlag = False                    print '已存在：' + fileName + '|' + compareFileName            if needCompareFlag:                command = ' AudioCompare-master/main.py -f ' + fileName + ' -f ' + compareFileName                p = subprocess.Popen('python' + command, stdout=subprocess.PIPE, shell=True)                stdoutput = p.stdout.readlines()                fout.write(stdoutput[0])# 获取文件大小def getFileSize(fileName):    try:        return os.path.getsize(fileName)    except Exception as err:        print(err)# 得到文件大小相似的集合，返回[[('xx.wav',3715364L)],[('xx.wav',3715364L),('xx.wav',3715364L),('xx.wav',3715364L)]]def sortedNearFile(fileNamesList, level):    # 得到每个文件的大小    fileSizeDict = dict()    for fileName in fileNamesList:        fileSizeDict.setdefault(fileName, getFileSize(fileName))    # 先按照文件的大小排序    sortedFileSizeList = sorted(fileSizeDict.iteritems(), key=lambda item: item[1])    # 逐个比较相邻的文件大小，小于阈值，提取出来    nearFileList = list()    for index in range(0, len(sortedFileSizeList)):        if index + 1 < len(sortedFileSizeList) and index > 0:            # 和左边的比            preVal = abs(sortedFileSizeList[index][1] - sortedFileSizeList[index - 1][1])            # 和右边比            nextVal = abs(sortedFileSizeList[index][1] - sortedFileSizeList[index + 1][1])            # 得出与左边或右边音频大小小于阀值的音频            if preVal <= level or nextVal <= level:                nearFileList.append(sortedFileSizeList[index])    # 把重复的放在一个列表中，返回[[('xx.wav',3715364L)],[('xx.wav',3715364L),('xx.wav',3715364L),('xx.wav',3715364L)]]    sortedNearFileList = list()    i = 0    for index in range(0, len(nearFileList)):        # 如果nearFileList[index] - sortedNearFileList[i][0] <= level 就添加，否则添加到sortedNearFileList[i+1]中        if len(sortedNearFileList) == 0:            sortedNearFileList.append([nearFileList[index]])        else:            # 右边减左边，小于阀值的保存            val = abs(sortedNearFileList[i][0][1] - nearFileList[index][1])            if val <= level:                sortedNearFileList[i].append(nearFileList[index])            else:                i += 1                sortedNearFileList.append([nearFileList[index]])    return sortedNearFileList# 找出指定文件夹下的所有后缀名为suffix的文件名称，返回列表def getFileNames(dirPath, suffix):    fileNamesList = list()    for fileName in os.listdir(dirPath):        if os.path.splitext(fileName)[1] == suffix:            fileNamesList.append(dirPath + '/' + fileName)    return fileNamesListif __name__ == '__main__':    fileNameList = getFileNames(os.path.curdir, '.wav')    sortedFileList = sortedNearFile(fileNameList, 100 * 1024)    for fileTupleList in sortedFileList:        if len(fileTupleList) > 1:            compareList = list()            for fileTuple in fileTupleList:                compareList.append(fileTuple[0])            compareAudio(compareList[:], './compare.txt')

把匹配结果记录到文件中

代码下载：
http://download.csdn.net/detail/benhuo931115/9851735