什么是最短的哈希值（在文件名可用的形式，像hexdigest）在python可用？ 我的应用程序要保存缓存文件的某些对象。 该对象必须具有独特的再版（），所以它们被用于“种子”文件名。 我想为每个对象（不是很多），一个可能是唯一的文件名。 他们不应该发生冲突，但如果他们这样做我的应用程序将只是缺乏缓存为对象（以及将要重新编制该对象的数据，应用小成本）。
所以，如果有一个碰撞，我们失去了一个缓存文件，但缓存中的所有对象的收集积蓄，使应用程序启动速度更快，所以也没有多大关系。
现在，我实际使用ABS（哈希（再版（OBJ）））; 这是正确的，字符串哈希！ 没有发现任何碰撞，但我想有一个更好的散列函数。 hashlib.md5在Python库可用，但hexdigest是很长的，如果放在一个文件名。 替代方案，以合理的抗碰撞性？
编辑：使用的情况是这样的：数据装载变得携带数据对象的新实例。 独特的类型都有独特的再版。 因此，如果一个缓存文件hash(repr(obj))存在，我认为unpickle缓存文件和与拆封对象替换OBJ。 如果有冲突，并且缓存是一个虚假的比赛，我注意到。 所以，如果我们没有高速缓存或有虚假的比赛，我反而初始化OBJ（重装它的数据）。
结论（？）
该str的蟒蛇哈希可能是不够好，我只是担心它的抗碰撞性。 但是，如果我可以散列2**16的物体与它，它会比足够好了。
我发现了如何把一个十六进制哈希（从任何散列源）和使用Base64压缩存储它：
# 'h' is a string of hex digits
bytes = "".join(chr(int(h[i:i+2], 16)) for i in xrange(0, len(h), 2))
hashstr = base64.urlsafe_b64encode(bytes).rstrip("=")
的生日悖论适用：给出了良好的散列函数，在碰撞发生前散列的预期数量为约SQRT（N），其中N是哈希函数可以取不同的值的数目。 （维基百科的条目，我指着会给出确切的公式）。 因此，举例来说，如果你想使用不超过32位，您的碰撞的担心是严重的周边的64K对象（即2**16对象-的平方根2**32的不同值的散列函数可以采取）。 多少对象，你希望有，作为一个数量级？
既然你提到的冲突是一个小麻烦，我建议你瞄准的哈希长度是大约你有对象的数量，还是有点的平方较少，但并不比要少得多。
你想使一个文件名 - 是一个区分大小写的文件系统，在Unix典型的，或者你必须照顾不区分大小写的系统呢？ 这一点很重要，因为你的目标是为短文件名，但每个字符，你可以用它来代表你的哈希值作为文件名的情况下，sensive VS不敏感的系统发生巨大变化的位数。
在区分大小写的系统，你可以使用标准库base64模块（我建议编码的“urlsafe”版本，即此功能，避免了“/”字符，可能出现在平原Base64是重要的UNIX文件名） 。 这给你每个字符6位可用，比十六进制的4位/炭好得多。
即使是在不区分大小写的系统，你仍然可以做的比十六进制更好 - 使用base64.b32encode并获得每字符5位。
这些函数和返回字符串; 使用struct模块把数字转换成字符串，如果你选择的散列函数生成的数字。
如果你有对象的几万，我认为你会带有内置的散列罚款（32位，这取决于你所选择的编码，以便6-7个字符）。 对于一百万对象你想要40位左右（7个或8个字符） - 可以折叠（XOR，不截断;-)一个SHA256下降到一个长有位合理数量的，说128左右，并用%操作者在编码之前进一步削减它为所需的长度。
字符串的内置散列函数是自由公正的碰撞，也相当短。 它有2**32的值，所以它是相当不可能的，你会遇到冲突（如果你使用它的ABS值，将只拥有2**31值）。
你一直在问最短的散列函数。 这肯定会是
def hash(s):
return 0
但我想，你真的不意味着它这样...
您可以通过简单地截断它让你喜欢的任何短哈希。 MD5是总是32位十六进制数字，但它的一个任意子串（或任何其它散列）具有散列的适当品质：相等的值产生相等散列，并且这些值都是围绕一堆传播。
我敢肯定，有Python中的CRC32实现，但可能是太短（8个十六进制数字）。 从正面看，这是非常快的。
发现了它， binascii.crc32
如果你有一个碰撞，你怎么告诉它实际上发生了什么？
如果我是你，我会用hashlib到sha1()的repr()然后就得到了它有限的子串（前16个字符，例如）。
除非你是在谈论这些对象的庞大的数字，我会建议你只需要使用完整的哈希值。 然后碰撞的机会是如此，所以，所以，这么小，你永远活到看到它发生（可能）。
此外，如果你正在处理中的很多文件，我猜你的缓存技术应该被调整，以适应它。
我们使用hashlib.sha1.hexdigest（），它产生甚至更长的字符串，具有良好的成功缓存对象。 没有人真正看到缓存文件反正。
Condsidering你的使用情况，如果你没有你的心脏上使用单独的缓存文件中设置的，你是不是太远，发展路径做，你可能会考虑使用shelve模块。
这会给你一个持久的字典（存储在一个单一的DBM文件），其中存储您的对象。 酸洗/透明地执行在unpickle，而你没有与哈希冲突，文件I / O等，担心自己
对于货架字典键，你只需使用再版（OBJ），并让shelve处理积攒你的对象为您服务。 一个简单的例子：
import shelve
cache = shelve.open('cache')
t = (1,2,3)
i = 10
cache[repr(t)] = t
cache[repr(i)] = i
print cache
# {'(1, 2, 3)': (1, 2, 3), '10': 10}
cache.close()
cache = shelve.open('cache')
print cache
#>>> {'(1, 2, 3)': (1, 2, 3), '10': 10}
print cache[repr(10)]
#>>> 10
短哈希意味着你可以有两个不同的文件相同的哈希。 同样可能发生的大哈希太多，但其方式更为罕见。 也许这些文件名应有所不同根据其他文献，如microtime中（除非这些文件可能会创建太快）。
