python中md5文件校验

转自：http://www.cnblogs.com/PandaBamboo/archive/2013/05/10/3071233.html

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
 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