MD5返回不同的哈希码-Python

cybertextron 发表于 Dev

网络纺织

我正在尝试确定某些文件的数据一致性。但是，MD5不断变化。当我执行时md5sum，哈希值是相等的：

import hashlib
import os
import sys

def hash_file_content(path):
    try:
        if not os.path.exists(path):
            raise IOError, "File does not exist"
        encode = hashlib.md5(path).hexdigest()
        return encode
    except Exception, e:
        print e

def main():
    hash1 = hash_file_content("./downloads/sample_file_1")
    hash2 = hash_file_content("./samples/sample_file_1")

    print hash1, hash2

if __name__ == "__main__":
   main()

输出意外地不同：

baed6a40f91ee5c44488ecd9a2c6589e 490052e9b1d3994827f4c7859dc127f0

现在带有md5sum：

md5sum ./samples/sample_file_1
9655c36a5fdf546f142ffc8b1b9b0d93  ./samples/sample_file_1

md5sum ./downloads/sample_file_1 
9655c36a5fdf546f142ffc8b1b9b0d93  ./downloads/sample_file_1

为什么会发生这种情况，我该如何解决？

没事

在您的代码中，您正在计算md5文件路径的，而不是文件内容的：

...
encode = hashlib.md5(path).hexdigest()
...

而是计算文件内容的md5：

with open(path, "r") as f:
    encode = md5(f.read()).hexdigest()

并且这应该为您提供匹配的输出（即，彼此匹配并且与相同md5sum）。

由于文件很大，因此f.read()一次性执行会增加负担，并且在文件大小超出可用内存时根本无法工作。

因此，可以利用以下事实：在内部，md5使用其update方法来计算块上的哈希，并定义一个使用的方法md5.update，并在代码中对其进行调用，如此答案所述：

import hashlib

def md5_for_file(filename, block_size=2**20):
    md5 = hashlib.md5()
    with open(filename, "rb") as f:
        while True:
            data = f.read(block_size)
            if not data:
                break
            md5.update(data)
    return md5.digest()

并立即在您的代码中调用此代码：