Python札记 -- 文件校验
好久没有写随笔了，正好这两天可以休整一下，借此机会总结下最近使用python的小体会。
个人体会文件校验在下载文件时使用较多，在linux下最简单的实现方式就是:
1 $ md5sum filename 2 21c7ee192e64569ce43cfb869bdb2755 filename
当然在python当中也有对应的模块可以实现此功能，在python2.5之前可以使用 md5 模块，但是在python2.5以后就推荐使用 hashlib 来代替 md5 模块了。最简单的实现代码如下：
1 #!/usr/bin/env python 2 #coding : utf-8 3 4 import sys 5 import hashlib 6 7 def md5sum(filename): 8 file_object = open(filename, 'rb') 9 file_content = file_object.read() 10 file_object.close() 11 file_md5 = hashlib.md5(file_content) 12 return file_md5 13 14 if __name__ == "__main__": 15 file_md5 = md5sum(sys.argv[1]) 16 print file_md5.hexdigest()
竹风觉得有两个地方值得注意：
一个是传入 hashlib.md5() 的应该是 file_object.read() ，这样才是对文件内容产生md5校验码，竹风刚开始就是没有使用 read() 方法，而是传入filename（这样的md5是对文件名生成的），导致产生的校验码不对；
另外一个地方是，调用了 hashlib.md5() 后返回的是一个对象，想要获得 linux 下 md5sum 同样的效果，还要调用一下 hexdigest() 方法。
当然，上面的代码考虑得不够周全。如果要对一个比较大的文件进行校验，将会把文件内容一次读入内存，造成性能上的缺陷。个人比较推荐从http://ryan-liu.iteye.com/blog/1530029提供的代码，代码如下：
1 #!/usr/bin/env python 2 #coding : utf-8 3 import hashlib, os
4 5 def md5hex(word): 6 """ MD5加密算法，返回32位小写16进制符号 7 """ 8 if isinstance(word, unicode): 9 word = word.encode("utf-8") 10 elif not isinstance(word, str): 11 word = str(word) 12 m = hashlib.md5() 13 m.update(word) 14 return m.hexdigest() 15 16 def md5sum(fname): 17 """ 计算文件的MD5值 18 """ 19 def read_chunks(fh): 20 fh.seek(0) 21 chunk = fh.read(8096) 22 while chunk: 23 yield chunk 24 chunk = fh.read(8096) 25 else: #最后要将游标放回文件开头 26 fh.seek(0) 27 m = hashlib.md5() 28 if isinstance(fname, basestring) \ 29 and os.path.exists(fname): 30 with open(fname, "rb") as fh: 31 for chunk in read_chunks(fh): 32 m.update(chunk) 33 #上传的文件缓存 或 已打开的文件流 34 elif fname.__class__.__name__ in ["StringIO", "StringO"] \ 35 or isinstance(fname, file): 36 for chunk in read_chunks(fname): 37 m.update(chunk) 38 else: 39 return "" 40 return m.hexdigest()
这段代码就足够强大了，每次读入8k的内容，然后调用 update() ，来更新md5。
PS:至于为什么是8k？这个就涉及到了IO大小方面的内容了。提供一篇文章，有兴趣的可以看看了解下：http://blog.sina.com.cn/s/blog_6200c1440100vt4z.html
