奇怪的python的hashlib.md5行为，每次都有不同的哈希

Question

我在尝试计算字符串的md5哈希值时遇到了一些非常奇怪的行为。 如果我传递的是串联结果，则返回的哈希值总是错误的（且不同）。 获得真正的哈希的唯一方法是传递创建后未进行任何修改的字符串。

Python 2.7.13 (v2.7.13:a06454b1afa1, Dec 17 2016, 20:42:59) [MSC v.1500 32 bit (Intel)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import hashlib
>>> m = hashlib.md5() 
>>> a1 = "stack"
>>> a2 = "overflow"
>>> a3 = a1 + a2
>>> a4 = str(a1 + a2)
>>> m.update("stackoverflow")
>>> m.hexdigest()
'73868cb1848a216984dca1b6b0ee37bc' //actuall hash
>>> m.update(a1 + a2)
>>> m.hexdigest()
'458b7358b9e0c3f561957b96e543c5a8'
>>> m.update(a3)
>>> m.hexdigest()
'65b0e62d4ff2d91e111ecc8f27f0e8f5'
>>> m.update(a4)
>>> m.hexdigest()
'60c3ae3dd9a2095340b2e024194bad3c'
>>> m.update(a1 + a2)
>>> m.hexdigest()
'acd4e14145d34dcb10af785badf8e73e'
>>> m.update(a1 + a2)
>>> m.hexdigest()
'03c06ca09faa26166f1096db02272b11'
>>> a1 + a2 == a1 + a2
True
>>> a1 + a2 == a3
True
>>> a3 == a4
True

我想念什么吗？

Answer 1

您所缺少的是hash.update() 不会替换散列数据 。 您将不断更新哈希对象，因此您将获得串联字符串的哈希值。 从hashlib.hash.update()文档中 ：

使用字符串arg更新哈希对象。 重复调用等效于将所有参数串联在一起的单个调用： m.update(a) ; m.update(b)等同于m.update(a+b) 。

大胆强调我的。

因此，您不会获取单个'stackoverflow'字符串的哈希，而是首先获取'stackoverflow' ，然后是'stackoverflowstackoverflow' ，然后是'stackoverflowstackoverflowstackoverflow'等的哈希，每次附加另一个'stackoverflow'创建更长的哈希值，更长的字符串。 这些较长的字符串都不与原始的较短的字符串相等，因此它们的哈希也不太可能相等。

为新字符串创建一个新对象，而不是：

>>> import hashlib
>>> m = hashlib.md5()
>>> m.update('stack' + 'overflow')
>>> m.hexdigest()
'73868cb1848a216984dca1b6b0ee37bc'
>>> m = hashlib.md5()   # **new** hash object
>>> m.update('stackoverflow')
>>> m.hexdigest()
'73868cb1848a216984dca1b6b0ee37bc'
>>> m = hashlib.md5()     # new object again
>>> m.update('stack')     # add the string in pieces, part 1
>>> m.update('overflow')  # and part 2
>>> m.hexdigest()
'73868cb1848a216984dca1b6b0ee37bc'

您可以通过发送串联数据来轻松产生“错误”哈希：

>>> m = hashlib.md5()
>>> m.update('stackoverflowstackoverflow')
>>> m.hexdigest()
'458b7358b9e0c3f561957b96e543c5a8'
>>> m = hashlib.md5()
>>> m.update('stackoverflowstackoverflowstackoverflow')
>>> m.hexdigest()
'65b0e62d4ff2d91e111ecc8f27f0e8f5'
>>> m = hashlib.md5()
>>> m.update('stackoverflow' * 4)
>>> m.hexdigest()
'60c3ae3dd9a2095340b2e024194bad3c'

请注意，您还可以将第一个字符串传递给md5()函数：

>>> hashlib.md5('stackoverflow').hexdigest()
'73868cb1848a216984dca1b6b0ee37bc'

通常，仅当您正在分块处理数据时才使用hash.update()方法（例如逐行读取文件或从套接字读取数据块），并且不想将所有数据都保存在其中。一次记忆。