Python hash() 对象的哈希值

说明

《Python 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

Python 的内置函数 hash() 可以返回对象的哈希值。哈希值又称散列值，它是一个固定大小的整数，用于标识对象的特定值。hash() 又称散列算法、哈希函数，是一种从任何一种数据中创建小的数字“指纹”的方法。

快速使用

一些快速的示例：

hash('你好')
# 2439288928012809752

hash(123)
# 123

hash(123.0)
# 123

hash(range(2))
# 7853416581674910768

hash((1, 2))
# -3550055125485641917

hash([1, 2])
# TypeError: unhashable type: 'list'

返回该对象的哈希值（如果它有的话）。哈希值是整数。它们在字典查找元素时用来快速比较字典的键。

相同大小的数字变量有相同的哈希值（即使它们类型不同，如 1 和 1.0）。

所有对象的 hash 值都不是 -1。咱们知道一定长度的数字的 hash 是它自己，如 hash(2) 是 2，hash(100000) 是 100000，但 hash(-1) 是 -2。

什么是哈希

散列函数把消息或数据压缩成摘要，使得数据量变小，将数据的格式固定下来。该函数将数据打乱混合，重新创建一个叫做散列值（hash values，hash codes，hash sums，或hashes）的指纹。散列值通常用一个短的随机字母和数字组成的字符串来代表。好的散列函数在输入域中很少出现散列冲突。在散列表和数据处理中，不抑制冲突来区别数据，会使得数据库记录更难找到。

如今，散列算法也被用来加密存在数据库中的密码（password）字符串，由于散列算法所计算出来的散列值（Hash Value）具有不可逆（无法逆向演算回原本的数值）的性质，因此可有效的保护密码。

哈希的特点

所有散列函数都有如下一个基本特性：

如果两个散列值是不相同的（根据同一函数），那么这两个散列值的原始输入也是不相同的。

这个特性是散列函数具有确定性的结果，具有这种性质的散列函数称为单向散列函数。但另一方面，散列函数的输入和输出不是唯一对应关系的，如果两个散列值相同，两个输入值很可能是相同的，但也可能不同，这种情况称为“散列碰撞（collision）”，这通常是两个不同长度的输入值，刻意计算出相同的输出值。输入一些数据计算出散列值，然后部分改变输入值，一个具有强混淆特性的散列函数会产生一个完全不同的散列值。

其他说明：

hash 值随着环境因素变化，每台电脑产上产生的 hash 值可能是不同的
不同的内容有可能生成一样的 Hash Code（类比，1 和 -1 和平方都为 1），但是不同的 Hash Code 必然对应不同的内容
哈希是单映射
关于Hash算法，常见的有SHA1、SHA256、MD5、TIGER等等，它们采用不同的一些算法来实现这个功能，不同的Hash算法得到的结果也不一定相同，但是同一个Hash算法对指定内容的结果必须相

常见的散列算法

常用 hash 算法的介绍：

（1）MD4

MD4(RFC 1320)是 MIT 的Ronald L. Rivest在 1990 年设计的，MD 是 Message Digest（消息摘要）的缩写。它适用在32位字长的处理器上用高速软件实现——它是基于 32位操作数的位操作来实现的。

（2）MD5

MD5(RFC 1321)是 Rivest 于1991年对MD4的改进版本。它对输入仍以512位分组，其输出是4个32位字的级联，与 MD4 相同。MD5比MD4来得复杂，并且速度较之要慢一点，但更安全，在抗分析和抗差分方面表现更好。

（3）SHA-1及其他

SHA1是由NIST NSA设计为同DSA一起使用的，它对长度小于264的输入，产生长度为160bit的散列值，因此抗穷举（brute-force）性更好。SHA-1 设计时基于和MD4相同原理,并且模仿了该算法。

Python hash()

Python 的 hash(object) 返回传入对象的哈希值（如果它有的话），哈希值是整数。它们在字典查找元素时用来快速比较字典的键。相同大小的数字变量有相同的哈希值（即使它们类型不同，如 1 和 1.0）。

Python 的不可变对象才有 hash 值，可变对象没有 hash 值，我们称它为不可哈希，如上例中的列表。因此，hash() 可以应用于数字、字符串和对象，不能直接应用于 list、set、dictionary。

一些情况下，hash() 操作每次得到的值不一样，这是为什么？

集合（set）的元素、字典（dict）的 key 必须是可哈希的，它保证了在同一个解释器进程里相同字符串 hash 一致，在不同进程中字符串的 hash 可能不一样。

hash() 对对象使用时，所得的结果不仅和对象的内容有关，还和对象的 id()，也就是内存地址有关。hash() 本身就不是专为字符串设计的，只是为了在程序运行过程中区别不同对象。

所以真需要做可重现可跨进程保持一致性的 hash，请用 hashlib。

自定义哈希

如果对象实现了自己的 __hash__() 方法，hash() 根据机器的字长来截断返回值。自己要实现 hash 功能，可以在对象中来重写 __hash__() 来自定义 hash 值。

自己定义的 __hash__() 要返回一个整数，必须同时实现 __eq__() 和 __hash__()，下面是正确是正确的的例子：

class Person:
    def __init__(self, age, name):
        self.age = age
        self.name = name

    def __eq__(self, other):
        return self.age == other.age and self.name == other.name

    def __hash__(self):
        print('The hash is:')
        return hash((self.age, self.name))


person = Person(23, 'Adam')
hash(person)
# -1253368434537217793

如无必要，对象不必自己实现 __eq__() 方法，因为它是默认为所有对象创建的。

__eq__()	__hash__()	Description
Defined (by default)	Defined (by default)	If left as is, all objects compare unequal (except themselves)
(If mutable) Defined	Should not be defined	Implementation of hashable collection requires key's hash value be immutable
Not defined	Should not be defined	If `__eq__()` isn't defined, `__hash__()` should not be defined.
Defined	Not defined	Class instances will not be usable as hashable collection. __hash__() implicity set to `None`. Raises `TypeError` exception if tried to retrieve the hash.
Defined	Retain from Parent	`__hash__ = <ParentClass>.__hash__`
Defined	Doesn't want to hash	`__hash__ = None`. Raises TypeError exception if tried to retrieve the hash.

用途

常见用途有：

密码验证

密码存储常采用 MD5 算法，用户输入明文，数据库存入 MD5 后的固定长度字符串，因此任何人都不知道用户的密码，在下次输入时用户用明文与 MD5 值对比验证。

这样的好处是一旦数据库发生泄露或者被人意外看见，也无法知识用户的密码。

数据传输

用来快速检验数据丢包的问题，在数据发送前把数据内容进行 Hash 计算并把这个值一并传给接收方，同时在接受方同样对数据内容进行Hash计算，如果两边Hash值不一致，就能知道数据在传输过程中发生了错误。

在使用文件或者软件时，将收到的文件 hash 再与作者、发送者提供 hash 值对比，就能知道文件是否有错误、篡改、丢失等情况。

等等。