为字典生成唯一标识符？

Question

我有一个问题，我随机生成一个字典，可能有很多可能性（比如，我有 25'000 个可能不同的 dics）。我想为这些可能性中的每一种生成一个标识符，一个 ID。我想要的是：

• 如果两个字典的每个键的值完全相同，则 ID 相同
• 如果两个字典具有不同的 ID，则它们必须在内容上至少有一个差异。
• 每次运行程序时 ID 都保持不变（id(x) 不起作用）
• 奖励：对于不同版本的 Python（2.6、2.7、3.4、3.6），ID 保持不变

我目前的想法是使用哈希函数（虽然我对此了解甚少）并做这样的事情（假设一个整数/浮点数的字典）：

import hashlib
def getID(mydic):
    ID = 0
    for x in mydic.keys():
        # Hash the content
        ID = ID + int(hashlib.sha256(str(mydic[x]).encode('utf-8')).hexdigest(), 16)
        # Hash the key
        ID = ID + int(hashlib.sha256(x.encode('utf-8')).hexdigest(), 16)
    return (ID % 10**10)

据我了解，这在大多数情况下应该有效，但根据字典和键的实际内容，两个不同的 dic 产生相同的 ID 并非不可能。例如，如果我不对键进行哈希处理，并且两个不同的条目可以是“1.0”，那么我可能会遇到问题。

你有什么建议，希望不要靠运气？

编辑：我在我正在尝试做的事情上添加了一个更大的代码：它基本上是一个随机参数优化。 Code on pastebin

Answer 1

靠运气；其他人都这样做是有充分理由的。除非您的 ID 比您可以编码的最长字典长，或者您选择不能对某些字典进行编码，否则将有多个字典具有相同的 ID。这是一个简单的计数问题。假设您将一本字典命名为 1，然后再命名为 2，依此类推。要么你最终用完了号码，要么你的 ID 变得更长。 C通常，当我们想要一些代表对象的少量数量时，我们会使用 ID 或散列。如果您愿意让字典的名称与字典本身一样大，那么您正在寻找规范表示，而不是 ID 或哈希。

类似 sha256 的优点是我们认为很难找到两个具有相同哈希的输入。尽管理论上可以确定有多个输入给出相同的 sha256，但我们相信没有人发现两个输入给出相同的 sha256。 因此，您几乎可以肯定地足够安全，忽略遇到哈希冲突的可能性。

Answer 2

要创建 ID，您需要创建一个非可变对象。 由于键是无序的，您可能需要对它们进行排序。

例如：

mydict = {'a': 1, 'c': 9, 'b': 3}

values = tuple(sorted(mydict.items()))
# -> (('a', 1), ('b', 3), ('c', 9))

然后，您可以使用自己的哈希算法，例如使用 sha256：

import hashlib

def hash_item(m, k, v):
    m.update(k.encode('utf-8'))
    m.update(str(k).encode('utf-8'))

m = hashlib.sha256()
for k, v in values:
    hash_item(m, k, v)
print(m.digest())
# -> b'\xa5\xb42\xee\x03\x07\xbe\x7f\xa2:\xa0\x04a\xf5N\xee4\xba\x9dE%\x1bU\x04V}7\xa8\xda3\x9d\xff'