hashlib加密模块

python hashlib密码加密

 

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/dss_dssssd/article/details/82805819

1. hashlib.md5(data)函数中，data参数的类型应该是bytes。
   hash前必须把数据转换成bytes类型hash前必须把数据转换成bytes类型

   from hashlib import md5
    c = md5("helloworld")
   # TypeError: Unicode-objects must be encoded before hashing
    c = md5("helloworld".encode("utf-8"))
   from hashlib import md5
    c = md5("helloworld")
   # TypeError: Unicode-objects must be encoded before hashing
    c = md5("helloworld".encode("utf-8"))
   

2. 函数说明
   • hashlib.md5(data)
   • digest() :返回加密后字符串的16进制表示，其位数为digest_size
   • digest_size
3. 程序实例

   import numpy as np
   import hashlib
   
   a = hashlib.md5("64".encode("utf-8"))
   print(a)
   print(a.digest())
   print(a.digest_size)
   print(a.digest()[-1])
   b = hashlib.md5("64".encode("utf-8"))
   print(a.digest() == b.digest())
   import numpy as np
   import hashlib
   
   a = hashlib.md5("64".encode("utf-8"))
   print(a)
   print(a.digest())
   print(a.digest_size)
   print(a.digest()[-1])
   b = hashlib.md5("64".encode("utf-8"))
   print(a.digest() == b.digest())
   

程序输出：

first output:
<md5 HASH object @ 0x000001F196B02418>
b’\xea]/\x1cF\x08#.\x07\xd3\xaa=\x99\x8eQ5’
16
53
True

second output:
<md5 HASH object @ 0x0000016759262418>
b’\xea]/\x1cF\x08#.\x07\xd3\xaa=\x99\x8eQ5’
16
53
True

注意：

• 两次运行程序输出对象a虽然不同，但digest()输出完全相同
• a和b的digest()完全相同，

1. 利用上述两点可以做成简单的密码加密系统，增加密码的安全性

        # table存储着{nickname: md5_password},昵称和密码的md5的加密值
       # 检查账号
       def in_database(name, passw):
       	if hashlib.md5(passw.encode("utf-8")).digest() == table[name].digest():
       		print('账户在系统中')
       		# 进入程序
       	else:
       		print('账号和密码不一致')
        # table存储着{nickname: md5_password},昵称和密码的md5的加密值
       # 检查账号
       def in_database(name, passw):
       	if hashlib.md5(passw.encode("utf-8")).digest() == table[name].digest():
       		print('账户在系统中')
       		# 进入程序
       	else:
       		print('账号和密码不一致')
   

2. 此程序中利用此haslib库来确定某一项是否要进入测试集中

   hash值的最后一下项小于256*test_ratio，则放入测试集中， date为pandas对象

   	import hashlib
   	def test_set_check(identifier, test_ratio, hash):
           return hash(np.int64(identifier)).digest()[-1] < 256 * test_ratio
   	def split_train_test_by_id(data, test_ratio, id_column, hash=hashlib.md5):
   		ids = data[id_column]
   		in_test_set = ids.apply(lambda id_: test_set_check(id_, test_ratio, hash))
   		return data.loc[~in_test_set], data.loc[in_test_set]
   	import hashlib
   	def test_set_check(identifier, test_ratio, hash):
           return hash(np.int64(identifier)).digest()[-1] < 256 * test_ratio
   	def split_train_test_by_id(data, test_ratio, id_column, hash=hashlib.md5):
   		ids = data[id_column]
   		in_test_set = ids.apply(lambda id_: test_set_check(id_, test_ratio, hash))
   		return data.loc[~in_test_set], data.loc[in_test_set]