从多个输入字符串生成确定性的唯一固定长度文件名字符串

Question

我有多个字符串，我想用它们生成单个固定长度的确定性字符串。我试图确保数据库中的唯一性，并且还将使用字符串作为文件名；所以我需要尽可能避免碰撞，并且需要避免特殊字符。我还需要它是确定性的，以便相同顺序的相同三个字符串将产生相同的输出字符串。

我想在已知的分隔符和 base64 编码上连接字符串。然而，这不是固定长度。

我想连接字符串，从该字符串中获取哈希，然后对其进行 base64 编码。但是默认情况下 base64 有特殊字符，windoze 会抱怨，这似乎是不好的做法。

现在我在做这个，感觉也很丑：

protected UUID parseUUID() {
    try {
        MessageDigest digest = MessageDigest.getInstance("SHA-256");
        List<String> strings = new ArrayList<>();
        strings.add(stringOne);
        strings.add(stringTwo);
        strings.add(stringThree);

        strings.removeIf(str -> str == null || str.isEmpty());
        for(int i = 0; i < strings.size(); i++) {
            String string = strings.get(i);
            string = string.replace("|", "\|");
            strings.set(i, string);
        }
        String input = String.join("|", strings);
        byte[] hash = digest.digest(input.getBytes());

        return UUID.nameUUIDFromBytes(hash);
    } catch(NoSuchAlgorithmException e) {
        return null;
    }
}

用这种方法碰撞的几率是多少？从多个输入字符串生成适合文件名的确定性固定长度字符串的最佳方法是什么？肯定不是这个。

Answer 1

我不太明白，是什么阻碍了您像现在这样使用哈希函数？它们旨在完全满足您想要实现的目标（前提是我没猜错）。您可以简单地连接您的字符串，应用哈希函数并存储哈希。

碰撞当然是可能的，但是当试图将无限 space 映射到有限时总是会出现这种情况。

Answer 2

我目前想到的解决方案是：

protected String parseHash() {
    try {
        MessageDigest digest = MessageDigest.getInstance("SHA-512");
        List<String> strings = new ArrayList<>();
        strings.add("one");
        strings.add("two");
        strings.add("three");

        strings.removeIf(str -> str == null || str.isEmpty());
        for(int i = 0; i < strings.size(); i++) {
            String string = strings.get(i);
            string = string.replace("|", "\|");
            strings.set(i, string);
        }
        String input = String.join("|", strings);
        byte[] hash = digest.digest(input.getBytes());
        return DatatypeConverter.printHexBinary(hash);
    } catch(NoSuchAlgorithmException e) {
        return null;
    }
}

正如我所读，UUID.nameUUIDFromBytes(hash); 将计算给定散列的 md5，这会降低散列的分辨率。使用哈希的原始十六进制似乎是我能想到的最优雅的方式，但我当然愿意接受其他答案。

从多个输入字符串生成确定性的唯一固定长度文件名字符串

Generate deterministic unique fixed length filename string from multiple input strings

java

string

hash

filenames

deterministic