cli/cmd_diff.py — diff 命令

CLItyper比较

🔄 apkid-ai-cli diff 扫描两个文件并按 tag 集合做差集，找出新增/移除/共有的检测项，用于对比同一应用不同版本的加固/混淆变化。

📋 文件内容一览

符号	类型	说明
diff(...)	func	typer 命令回调，比较两文件扫描结果

模块仅导出 diff 函数，由 app.py 注册为 diff 命令。

🖥️ 命令签名

apkid-ai-cli diff <file1> <file2> [options]

📑 参数表

参数	类型	默认	说明
file1	Path	（必填）	第一个文件，exists=True
file2	Path	（必填）	第二个文件，exists=True
--output, -o	Optional[Path]	None	写入文件而非 stdout（注意参数名 output_path）
--timeout, -t	int	30	YARA 扫描超时（秒）
--typing	TypingMethod	magic	文件识别方式
--scan-depth	int	2	嵌套 ZIP 归档最大递归深度
--include-types	bool	False	结果含 file_type 检测

注意：diff 没有 --format、--entry-max-scan-size、--verbose 选项——参数集比 scan/batch 精简。entry_max_scan_size 在函数内硬编码为 0。

🔧 源码要点

双扫描

scanner = make_scanner(
    timeout=timeout,
    typing=typing.value,
    scan_depth=scan_depth,
    entry_max_scan_size=0,          # ← 硬编码，无 CLI 选项
    include_types=include_types,
)
formatter = AIOutputFormatter()
results1 = scanner.scan_file(str(file1))
dict1 = formatter.format_dict(results1, str(file1), include_types=include_types)
results2 = scanner.scan_file(str(file2))
dict2 = formatter.format_dict(results2, str(file2), include_types=include_types)

要点：

• 用 format_dict 而非 format：要拿到结构化 findings 列表做集合运算，必须拿 dict；format 出字符串无法拆解。
• 同一个 scanner 扫两次：规则只加载一次，复用 Scanner 实例。

tag 集合运算

tags1 = {f["tag"] for f in dict1.get("findings", [])}
tags2 = {f["tag"] for f in dict2.get("findings", [])}

added_tags = sorted(tags2 - tags1)     # file2 有、file1 没有
removed_tags = sorted(tags1 - tags2)   # file1 有、file2 没有
common_tags = sorted(tags1 & tags2)    # 两者都有

• added = tags2 - tags1：file2 相对 file1 新增的检测。
• removed = tags1 - tags2：file2 相对 file1 移除的检测。
• common = 交集：两者都命中的检测。

从 tag 反查 findings

findings_added = [
    f for f in dict2.get("findings", []) if f["tag"] in added_tags
]
findings_removed = [
    f for f in dict1.get("findings", []) if f["tag"] in removed_tags
]

• added 的 findings 从 dict2 取（新增项在 file2 的结果里）。
• removed 的 findings 从 dict1 取（移除项在 file1 的结果里）。

输出结构

diff_result = {
    "error": False,
    "file1": str(file1),
    "file2": str(file2),
    "added": findings_added,
    "removed": findings_removed,
    "common_count": len(common_tags),
    "summary": {
        "total_added": len(added_tags),
        "total_removed": len(removed_tags),
        "total_common": len(common_tags),
    },
}
formatted = json.dumps(diff_result, ensure_ascii=False, indent=2)
output_result(formatted, output_path)

注意：

• common_count 是数字（交集大小），不输出 common 的 findings 列表（避免冗余）。
• summary 三项分别对齐 added/removed/common 的 tag 数量。
• output_path 参数名与 scan/batch 的 output 不同（仅本地变量名差异，CLI 选项仍是 --output/-o）。

🔗 调用链

diff() → common.make_scanner() → AIOutputFormatter
       → scanner.scan_file(file1) → format_dict → dict1
       → scanner.scan_file(file2) → format_dict → dict2
       → tag 集合差/交 → 反查 findings
       → json.dumps → common.output_result()
异常 → common.error_exit()

🤝 与其它模块的关系

• 依赖 common.py：make_scanner、output_result、error_exit、TypingMethod（未用 OutputFormat）。
• 依赖 ai_output.py：AIOutputFormatter.format_dict。
• 与 cmd_scan.py 对比：scan 输出单文件完整结果；diff 输出两文件差异。
• 与 cmd_batch.py 对比：batch 聚合多文件全量结果；diff 聚合两文件差集。

📍 相关

• AI CLI · diff — 用户视角用法与示例。
• AI 输出格式 — diff 结果结构。
• cmd_scan.py — 单文件扫描（dict 来源）。
• ai_output.py — format_dict 与 findings 结构。