Hashlib 的 md5 为相同的输入产生不同的输出

Question

我正在尝试编写一个脚本，为指定根目录中的所有文件名和目录名生成哈希值。到目前为止，这是我的脚本：

import hashlib
import os
import sys

class Hasher:
    def __init__(self):
        self.hash_func = hashlib.md5()

    def hash_file(self, file_path):
        with open(file_path, "rb") as file:
            self.hash_func.update(file.read())
        return self.hash_func.digest()

    def hash_dir(self, dir_path):
        for dirpath, dirnames, filenames in os.walk(dir_path):
            self.hash_func.update(dirpath.encode("utf-8"))
            for file_path in filenames:
                self.hash_func.update(file_path.encode("utf-8"))
        return self.hash_func.digest()

hasher = Hasher()
root_dir = "D:/folder/"
hash_1 = str(hasher.hash_dir(root_dir))
hash_2 = str(hasher.hash_dir(root_dir))
print(hash_1)
print(hash_2)

出于某种原因，它为同一目录生成两个不同的哈希值，而目录没有任何变化。如果目录保持不变，如何才能生成相同的哈希值？

Answer 1

问题是 hashlib.md5 对象每次都被重复使用，所以你 return 对累积数据进行散列，而不仅仅是 last/intended 数据。

你可以通过每次创建一个新的 Hasher 对象来解决这个问题（所以在这种情况下调用 Hasher().hash_dir(root_dir) 两次）。但是由于您的 Hasher class 除了 md5 对象和两个可能是静态的方法之外不包含任何其他数据，我建议将两个 class 方法都设为静态，并且在方法本身中创建 hashlib.md5 对象：

import hashlib
import os


class Hasher:

    @staticmethod  # make it a static method
    def hash_file(file_path):  # no 'self' as first argument
        hash_func = hashlib.md5()  # create the hashlib.md5 object here
        with open(file_path, "rb") as file:
            hash_func.update(file.read())
        return hash_func.digest()

    @staticmethod  # make it a static method
    def hash_dir(dir_path):  # no 'self' as first argument
        hash_func = hashlib.md5()  # create the hashlib.md5 object here
        for dirpath, _, filenames in os.walk(dir_path):
            hash_func.update(dirpath.encode("utf-8"))
            for file_path in filenames:
                hash_func.update(file_path.encode("utf-8"))
        return hash_func.digest()


def main():
    root_dir = "D:/folder/"
    hash_1 = str(Hasher.hash_dir(root_dir))
    hash_2 = str(Hasher.hash_dir(root_dir))
    print(hash_1)
    print(hash_2)


if __name__ == "__main__":
    main()

Hashlib 的 md5 为相同的输入产生不同的输出

Hashlib's md5 produces different output for same input

python

hash

hashlib