Pythonでのファイルのハッシュ

PythonがEOFを読み取れるようにして、sha1とmd5のどちらであっても、適切なハッシュを取得できるようにします。助けてください。ここに私がこれまでに持っているものがあります：

import hashlib

inputFile = raw_input("Enter the name of the file:")
openedFile = open(inputFile)
readFile = openedFile.read()

md5Hash = hashlib.md5(readFile)
md5Hashed = md5Hash.hexdigest()

sha1Hash = hashlib.sha1(readFile)
sha1Hashed = sha1Hash.hexdigest()

print "File Name: %s" % inputFile
print "MD5: %r" % md5Hashed
print "SHA1: %r" % sha1Hashed

TL; DRは、大量のメモリを使用しないようにバッファを使用します。

非常に大きなファイルを操作することによるメモリへの影響を考慮すると、問題の核心に到達すると思います。この悪い子が2ギガバイトのファイルに対して2ギガバイトのRAMをチャーンしないようにしたいので、pasztorpistiが指摘するように、これらの大きなファイルをチャンクで処理する必要があります。

import sys
import hashlib

# BUF_SIZE is totally arbitrary, change for your app!
BUF_SIZE = 65536  # lets read stuff in 64kb chunks!

md5 = hashlib.md5()
sha1 = hashlib.sha1()

with open(sys.argv[1], 'rb') as f:
    while True:
        data = f.read(BUF_SIZE)
        if not data:
            break
        md5.update(data)
        sha1.update(data)

print("MD5: {0}".format(md5.hexdigest()))
print("SHA1: {0}".format(sha1.hexdigest()))

これで、hashlibの便利なdandy 更新メソッドに合わせて、この不良少年のハッシュを64kbのチャンクに更新しました。この方法では、一度に男をハッシュするのに必要な2GBよりもはるかに少ないメモリを使用します！

これは次の方法でテストできます。

$ mkfile 2g bigfile
$ python hashes.py bigfile
MD5: a981130cf2b7e09f4686dc273cf7187e
SHA1: 91d50642dd930e9542c39d36f0516d45f4e1af0d
$ md5 bigfile
MD5 (bigfile) = a981130cf2b7e09f4686dc273cf7187e
$ shasum bigfile
91d50642dd930e9542c39d36f0516d45f4e1af0d  bigfile

お役に立てば幸いです。

また、このすべては右側のリンクされた質問で概説されています：Pythonで大きなファイルのMD5ハッシュを取得する

補遺！

一般に、Pythonを作成するときは、pep-8をフォローする習慣をつけるのに役立ちます。たとえば、Pythonでは通常、変数はキャメルケースではなくアンダースコアで区切られます。しかし、それは単なるスタイルであり、悪いスタイルを読まなければならない人々を除いて、誰もこれらのことを気にしません...これは、このコードを数年後に読むかもしれません。

ファイルのハッシュ値を正確かつ効率的に計算するには（Python 3の場合）：

• バイナリモードでファイルを開きます（つまり、追加 'b'文字エンコードと行末変換の問題を回避するためにする）
• ファイル全体をメモリに読み込まないでください。メモリを浪費することになります。代わりに、ブロックごとに順次読み取り、各ブロックのハッシュを更新します。
• すでに最適なブロックサイズを使用しているため、ダブルバッファリングを排除します。つまり、バッファIOを使用しません。
• readinto()バッファーの攪拌を回避するために使用します。

例：

import hashlib

def sha256sum(filename):
    h  = hashlib.sha256()
    b  = bytearray(128*1024)
    mv = memoryview(b)
    with open(filename, 'rb', buffering=0) as f:
        for n in iter(lambda : f.readinto(mv), 0):
            h.update(mv[:n])
    return h.hexdigest()

私は簡単に提案します：

def get_digest(file_path):
    h = hashlib.sha256()

    with open(file_path, 'rb') as file:
        while True:
            # Reading is buffered, so we can read smaller chunks.
            chunk = file.read(h.block_size)
            if not chunk:
                break
            h.update(chunk)

    return h.hexdigest()

ここでの他のすべての回答は複雑すぎます。Pythonは読み取り時にすでにバッファリングしています（理想的な方法で、または基盤となるストレージに関する詳細情報がある場合はそのバッファリングを構成します）。したがって、ハッシュ関数が理想的に見つけるチャンクをチャンクで読み取る方が高速であり、CPUの負荷を最小限に抑えます。ハッシュ関数を計算します。そのため、バッファリングを無効にして自分でエミュレートしようとするのではなく、Pythonバッファリングを使用して、制御対象を制御します。つまり、データの利用者が理想とするハッシュブロックサイズを制御します。

異なるアルゴリズムで大きなファイルをハッシュできるモジュールをプログラムしました。

pip3 install py_essentials

次のようなモジュールを使用します。

from py_essentials import hashing as hs
hash = hs.fileChecksum("path/to/the/file.txt", "sha256")

以下はmmap、オブジェクトをメモリにマップするために使用するPython 3、POSIXソリューション（Windowsではありません！）です。

import hashlib
import mmap

def sha256sum(filename):
    h  = hashlib.sha256()
    with open(filename, 'rb') as f:
        with mmap.mmap(f.fileno(), 0, prot=mmap.PROT_READ) as mm:
            h.update(mm)
    return h.hexdigest()

import hashlib
user = input("Enter ")
h = hashlib.md5(user.encode())
h2 = h.hexdigest()
with open("encrypted.txt","w") as e:
    print(h2,file=e)


with open("encrypted.txt","r") as e:
    p = e.readline().strip()
    print(p)