生成文件的MD5校验和

Question

是否有任何简单的方法来生成（和检查）Python中文件列表的MD5校验和？（我正在处理一个小程序，我想确认文件的校验和）。

Answer 1

您可以使用hashlib.md5（）请注意，有时您将无法在内存中容纳整个文件。在这种情况下，您将必须顺序读取4096个字节的块并将其提供给Md5函数：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()注意： 如果只需要使用打包字节use ，hash_md5.hexdigest()则将返回摘要的十六进制字符串表示形式return hash_md5.digest()，因此您不必转换回去。

Answer 2

我显然没有添加任何根本上没有新的内容，而是在我要评论状态之前添加了此答案，并且代码区域使事情更加清晰了-无论如何，特别是要从Omnifarious的答案中回答@Nemo的问题：我碰巧在考虑校验和（在这里专门寻找有关块大小的建议），并且发现此方法可能比您期望的要快。以最快的（但相当典型值）timeit.timeit或/usr/bin/time从每个执行校验和的约文件的几种方法的结果。11MB：$ ./sum_methods.pycrc32_mmap(filename) 0.0241742134094crc32_read(filename) 0.0219960212708subprocess.check_output(['cksum', filename]) 0.0553209781647md5sum_mmap(filename) 0.0286180973053md5sum_read(filename) 0.0311000347137subprocess.check_output(['md5sum', filename]) 0.0332629680634$ time md5sum /tmp/test.data.300kd3fe3d5d4c2460b5daacc30c6efbc77f  /tmp/test.data.300kreal    0m0.043suser    0m0.032ssys     0m0.010s$ stat -c '%s' /tmp/test.data.300k11890400因此，对于11MB的文件来说，Python和/ usr / bin / md5sum大约都需要30毫秒。相关md5sum功能（md5sum_read在上面的清单中）与Omnifarious的功能非常相似：import hashlibdef md5sum(filename, blocksize=65536):    hash = hashlib.md5()    with open(filename, "rb") as f:        for block in iter(lambda: f.read(blocksize), b""):            hash.update(block)    return hash.hexdigest()当然，这些都是单次运行的（mmap至少进行几十次运行时，总是总是更快一些），并且f.read(blocksize)在缓冲区用完后，我的通常会获得额外的收入，但是它是相当可重复的，并且md5sum在命令行上显示不一定比Python实现要快...编辑：抱歉，很长的延迟，已经有一段时间没有看到了，但是为了回答@EdRandall的问题，我将写下一个Adler32实现。但是，我还没有运行基准测试。它基本上与CRC32相同：除了初始化，更新和摘要调用外，其他所有操作都是zlib.adler32()调用：import zlibdef 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请注意，此操作必须以空字符串开头，因为从零开始的Adler和确实确实不同，而对于，它们的总和""是1-CRC可以0代替。AND需要使用-ing使其成为32位无符号整数，以确保其在Python版本之间返回相同的值。