可重复地散列任意 Python 元组答案

【问题标题】：Repeatably hashing an arbitrary Python tuple可重复地散列任意 Python 元组
【发布时间】：2018-07-08 20:16:44
【问题描述】：

我正在编写一个专门的单元测试工具，它需要保存测试结果以供将来比较。因此，我需要能够始终如一地将传递给每个测试的参数映射到测试结果，该测试结果是使用每个版本的这些参数运行测试函数。我希望有一种方法可以对元组进行哈希处理，并使用该哈希来命名我存储测试结果的文件。

我的第一个冲动只是在参数元组上调用 hash()，但当然这不会起作用，因为 hash 现在在解释器实例之间是随机的。

我很难想出一种适用于元组中可能存在的任意元素的方法（我想将其限制为整数、浮点数、字符串和列表的混合）这三个元组会好好地）。有什么想法吗？

我曾考虑过使用元组的repr 或对其进行酸洗，但不能保证 repr 为相同的输入产生逐字节相同的输出，而且我认为酸洗也不是（是吗？）

我已经看过this，但答案都是基于不再成立的相同假设，无论如何也不会真正转化为这个问题，很多讨论都是关于使哈希不取决于订单项目的出现，我确实希望哈希取决于订单。

【问题讨论】：

我会将参数的元组和腌制到同一个文件中，该文件的名称是参数的散列元组。这样，您不必担心随机化，因为原始元组在文件中。
@DYZ 对，我也在这样做，但我需要重复地对元组进行哈希处理，以便能够首先找到文件。
disabling the hash randomization 可以接受吗？
@ShadowRanger 我想这...会起作用，但它非常不雅，而且从技术上讲，有人可以使用特制的合并请求对我的 CI 服务器进行 DOS 操作。
@Schilcote：所以如果这是一个面向公众的服务器，那是个坏主意；这个问题听起来好像这只是用于可重复的（假设是本地的）单元测试。

标签： python hash

【解决方案1】：

不确定我是否完全理解您的问题，但会试一试。

在进行哈希之前，只需将结果序列化为 JSON 字符串，然后对 JSON 字符串进行哈希计算。

params = (1, 3, 2)
hashlib.sha224(json.dumps(params)).hexdigest()
# '5f0f7a621e6f420002d54ee28b0c169b8112ef72d8a6b60e6a25171c'

如果您的参数是字典，请使用 sort_keys=True 确保您的键已排序。

params = {'b': 123, 'c': 345}
hashlib.sha224(json.dumps(params, sort_keys=True)).hexdigest()
# '2e75966ce3f1185cbfb4eccc49d5552c08cfb7502a8765fe1dce9303'

【讨论】：

JSON结果是否保证每次都一样？
@Schilcote 对于 lists 或 tuples（以及任何稳定的原语）应该是。
如果你正在序列化一个元组/列表，那么是的。
对于字典，您可以将sort_keys 设置为True。
@DYZ：注意：sort_keys 仅适用于 Python 3，前提是键是同构类型（或者为所有异构类型对定义了比较，例如 int 和 @ 的混合） 987654327@ 很好，但 int 和 str 不是）。在 Python 2 上，回退比较允许它（通常）工作（尽管不一定可重复，因为相同类型的回退比较基于内存地址，这是不可重复的），但在 Python 3 上，您只会得到一个TypeError.

【解决方案2】：

简单测试的一种方法是通过在启动脚本的环境中设置PYTHONHASHSEED=0 来设置disable the hash randomization entirely，例如在bash 中，执行以下操作：

export PYTHONHASHSEED=0

【讨论】：

注意：这仅适用于本地测试的情况；在面向公众的 Web 服务上执行此操作会使您面临拒绝服务攻击（哈希随机化旨在保护您免受攻击）。
禁用随机化不会解决hash(-1) == hash(-2) 的问题，因为所有整数都对自己进行哈希处理，除了-1，它哈希到-2（至少最近在Python 3.8.2）
@mkoistinen：确定吗？但这是一般散列的问题，与这个答案无关。哈希随机化旨在消除制造碰撞哈希的能力；禁用它可以让您像发现碰撞ints 一样容易地找到碰撞字符串。 hash 和 int 可能会发生冲突，无论您是否禁用它。
我的回复不是对您有用的帖子的批评，也不是我对它投反对票，而是我的评论是对尝试使用 hash() 的其他人的警告，类似于原始问题。跨度>