编辑:很抱歉长时间的延迟,避免't looked at this in some time, but to answer @EdRandall'的问题,我'll write down an Adler32 implementation. However, I haven' t运行它的基准 . 它基本上与CRC32一样:而不是init,update和digest调用,一切都是 zlib.adler32() 调用:
import zlib
def adler32sum(filename, blocksize=65536):
checksum = zlib.adler32("")
with open(filename, "rb") as f:
for block in iter(lambda: f.read(blocksize), b""):
checksum = zlib.adler32(block, checksum)
return checksum & 0xffffffff
def md5(fname):
hash_md5 = hashlib.md5()
with open(fname, "rb") as f:
for chunk in iter(lambda: f.read(4096), b""):
hash_md5.update(chunk)
return hash_md5.hexdigest()
3 回答
有一种方式是相当美好的记忆 inefficient .
单个文件:
文件列表:
但是,MD5已知故障并且(恕我直言)应该带有可怕的弃用警告并从库中删除,所以这是你应该如何实际做到的:
如果你只想要128位的摘要,你可以做
.digest()[:16]
.这将为您提供元组列表,每个元组包含其文件名及其哈希值 .
我再次强烈质疑你对MD5的使用 . 你应该至少使用SHA1 . 有些人认为,只要你不使用MD5进行“加密”目的,你就可以了 . 但是,事物的范围往往比你最初预期的范围更广,你的随意漏洞分析可能证明是完全有缺陷的 . 最好养成在门外使用正确算法的习惯 . 它只是输入一堆不同的字母 . 这并不难 .
这是一种更复杂的方式,但 memory efficient :
而且,再次,因为MD5已经崩溃,不应该再被使用了:
同样,如果你只需要128位的摘要,你可以在调用
hash_bytestr_iter(...)
之后输入[:16]
.我显然没有添加任何根本新的东西,但在我评论状态之前添加了这个答案,加上代码区域使事情变得更清楚 - 无论如何,特别是从Omnifarious的回答中回答@ Nemo的问题:
我碰巧考虑了一些校验和(来这里寻找有关块大小的建议,特别是),并且发现这种方法可能比你预期的要快 . 从几种校验和大约文件的方法中获取最快(但非常典型)的
timeit.timeit
或/usr/bin/time
结果 . 11MB:因此,看起来Python和/ usr / bin / md5sum对于11MB文件大约需要30ms . 相关的
md5sum
函数(上面列表中的md5sum_read
)与Omnifarious的非常类似:当然,这些来自单次运行(当至少进行几十次运行时,
mmap
总是更快一点),并且在缓冲区耗尽后我的通常会得到一个额外的f.read(blocksize)
,但它是合理可重复的并且显示md5sum
命令行不一定比Python实现更快......编辑:很抱歉长时间的延迟,避免't looked at this in some time, but to answer @EdRandall'的问题,我'll write down an Adler32 implementation. However, I haven' t运行它的基准 . 它基本上与CRC32一样:而不是init,update和digest调用,一切都是
zlib.adler32()
调用:请注意,这必须以空字符串开头,因为当从零开始时,Adler sum确实不同,而
""
的总和是1
- CRC可以从0
开始 . 需要AND
-ing使其成为32位无符号整数,这可确保它在Python版本中返回相同的值 .你可以用hashlib.md5()
请注意,有时您将无法将整个文件放入内存中 . 在这种情况下,您必须按顺序读取4096字节的块并将它们提供给Md5函数:
Note:
hash_md5.hexdigest()
将返回摘要的十六进制字符串表示,如果您只需要打包字节使用return hash_md5.digest()
,那么您不必转换回来 .