Использование hashlib для вычисления md5 digest файла в Python 3

С python 2.7 следующий код вычисляет mD5 hexdigest содержимого файла.

(EDIT: ну, не так, как показали ответы, я так и думал).

import hashlib

def md5sum(filename):
    f = open(filename, mode='rb')
    d = hashlib.md5()
    for buf in f.read(128):
        d.update(buf)
    return d.hexdigest()

Теперь, если я запустил этот код с помощью python3, он вызывает исключение TypeError:

    d.update(buf)
TypeError: object supporting the buffer API required

Я понял, что могу сделать этот код запустившимся с python2 и python3, изменив его на:

def md5sum(filename):
    f = open(filename, mode='r')
    d = hashlib.md5()
    for buf in f.read(128):
        d.update(buf.encode())
    return d.hexdigest()

Теперь я все еще удивляюсь, почему исходный код перестает работать. Кажется, что при открытии файла с использованием модификатора двоичного режима он возвращает целые числа вместо строк, закодированных как байты (я говорю, что, поскольку type (buf) возвращает int). Является ли это поведение объясненным где-то?

Ответ 1

Я думаю, вы хотели, чтобы for-loop выполнял последовательные вызовы f.read(128). Это можно сделать с помощью iter() и functools.partial():

import hashlib
from functools import partial

def md5sum(filename):
    with open(filename, mode='rb') as f:
        d = hashlib.md5()
        for buf in iter(partial(f.read, 128), b''):
            d.update(buf)
    return d.hexdigest()

print(md5sum('utils.py'))

Ответ 2

for buf in f.read(128):
  d.update(buf)

.. обновляет хэш последовательно с каждым из первых 128 байтов значений файла. Поскольку итерация по bytes создает объекты int, вы получаете следующие вызовы, которые вызывают ошибку, с которой вы столкнулись в Python3.

d.update(97)
d.update(98)
d.update(99)
d.update(100)

который не то, что вы хотите.

Вместо этого вы хотите:

def md5sum(filename):
  with open(filename, mode='rb') as f:
    d = hashlib.md5()
    while True:
      buf = f.read(4096) # 128 is smaller than the typical filesystem block
      if not buf:
        break
      d.update(buf)
    return d.hexdigest()

Ответ 3

Я, наконец, изменил свой код на версию ниже (которую я нахожу легко понятой) после того, как задал вопрос. Но я, вероятно, поменяю его на версию, предложенную Раймондом Хеттингом, отличным от functools.partial.

import hashlib

def chunks(filename, chunksize):
    f = open(filename, mode='rb')
    buf = "Let go"
    while len(buf):
        buf = f.read(chunksize)
        yield buf

def md5sum(filename):
    d = hashlib.md5()
    for buf in chunks(filename, 128):
        d.update(buf)
    return d.hexdigest()