关于 QCryptographicHash 对含中文字符串计算 MD5 值，产生所谓「MD5 碰撞」问题的分析

写在前面

从普遍理性而论，我们能找到的成熟类库通常不会有大的问题，如果发现计算结果不符预期，应优先分析是否是自己的使用方式有问题。（当然也确实存在类库的实现有问题的情况，不能完全排除）

结论先行

关于文章 QT之MD5加密——QCryptographicHash类不适用于含中文的字符串 的结论有误，实际为选取的编码转换格式有误而导致所谓的「MD5 碰撞」，并不是 QCryptographicHash 本身无法支持含中文的字符串的 MD5 计算。

只要使用 QString::toUtf8() 函数进行编码转换，就可以得到预期的 MD5 值。

基本用法

在 QCryptographicHash 类中，QByteArray QCryptographicHash::hash(const QByteArray &data, Algorithm method) 函数的 data 参数是 QByteArray 类型，而 QString 类型的字符串可以通过 QByteArray QString::toUtf8() 函数转换为 QByteArray 类型。

QString str = "中文";
QByteArray data = str.toUtf8();
QByteArray md5 = QCryptographicHash::hash(data, QCryptographicHash::Md5);

不同编码转换函数的差异

在文章 QT之MD5加密——QCryptographicHash类不适用于含中文的字符串 中，作者使用了 QString::toLatin1() 函数进行编码转换，那我们看一下不同编码转换函数的差异。

参考文章 qt中的toUtf8, toLatin1, Local8bit编码问题，有如下结论：

1. QString::toUtf8() 对应编码格式为 UTF-8。
2. QString::toLocal8Bit() 对应本地编码格式。（根据文中给出的方式查询 chcp，确实为 936，但调用 QTextCodec::codecForLocale()->name() 查询返回的结果为 GBK，因此文中描述可能是不准确的，936 表示 GB2312 的超集 —— GBK，甚至 GBK 的超集 GB18030 的可能性更大）
3. QString::toLatin1() 对应编码格式为 ISO 8859-1。（在 qt中的toUtf8, toLatin1, Local8bit, toUcs4 中有指出，其为 ASCII 的超集，编码范围为 0x00 到 0xFF，很明显的单字节编码）

简单编写 demo，调用 QString::toUtf8()、QString::toLocal8Bit()、QString::toLatin1() 函数，并将转换后的 QByteArray 类型数据转换为十六进制字符串格式，得到了如下结果：

str: "中文English123."
str to utf-8: "E4 B8 AD E6 96 87 45 6E 67 6C 69 73 68 31 32 33 2E"
str to local8Bit:   "D6 D0 CE C4 45 6E 67 6C 69 73 68 31 32 33 2E"
str to latin1:            "3F 3F 45 6E 67 6C 69 73 68 31 32 33 2E"

str: "中问English123."
str to utf-8: "E4 B8 AD E9 97 AE 45 6E 67 6C 69 73 68 31 32 33 2E"
str to local8Bit: "  D6 D0 CE CA 45 6E 67 6C 69 73 68 31 32 33 2E"
str to latin1:            "3F 3F 45 6E 67 6C 69 73 68 31 32 33 2E"

可以看到，QString::toUtf8() 函数将中文字符转换为了 E4 B8 AD E6 96 87，而 QString::toLocal8Bit() 函数将中文字符转换为了 D6 D0 CE C4，QString::toLatin1() 函数将中文字符转换为了 3F 3F。这就是为什么在文章 QT之MD5加密——QCryptographicHash类不适用于含中文的字符串 中，作者使用了 QString::toLatin1() 函数进行编码转换后，得到了「错误的」 MD5 值。

实际上文章中的 MD5 值计算结果并没有任何问题，也不是所谓的「MD5 碰撞」。因为输入的 QByteArray 数据就是一致的，因此得到的 MD5 值也是一致的。只是因为编码转换的问题，导致了输入的 QByteArray 数据和预期不符（中文部分都被转换为了 3F），从而得到了错误的 MD5 值。

通常意义上使用各种在线 MD5 计算工具，都是以 UTF-8 编码进行计算的，因此在使用 QCryptographicHash 类进行 MD5 计算时，应当使用 QString::toUtf8() 函数进行编码转换。

起因

调用如下函数，发现含中文的字符串无法正确计算 MD5 值：

QString GetStringMD5(const QString& str)
{
    QString md5;
    QByteArray ba;
    ba = QCryptographicHash::hash(str.toLatin1(),QCryptographicHash::Md5);
    md5.append(ba.toHex());
    return md5;
}

但调用如下函数计算文件的 MD5 值却没有问题（即使文件内容中含有中文）：

QString GetFileMD5(const QString& fileName)
{
    QString md5;
    QFile file(fileName);
    if (file.open(QIODevice::ReadOnly))
    {
        QByteArray ba;
        ba = QCryptographicHash::hash(file.readAll(),QCryptographicHash::Md5);
        md5.append(ba.toHex());
        file.close();
    }
    return md5;
}

对比二者差异，前者是 QString::toLatin1() 函数进行编码转换后输入的 QByteArray 数据，而后者是 QFile::readAll() 函数直接读取文件内容后输入的 QByteArray 数据。既然输入内容都是 QByteArray 类型，那么问题不应该和是否含有中文或其他任何特殊字符有关。最终发现是编码转换的问题，QString::toLatin1() 函数将所有中文字符转换为了 3F，从而导致最终得到了错误的 MD5 值。

总结

1. QCryptographicHash 类支持含中文的字符串的 MD5 计算。
2. 在使用 QCryptographicHash 类计算字符串的 MD5 值时，应当明确使用哪个编码转换函数进行转换（通常使用 QString::toUtf8() 函数即可）。
3. 在使用 QCryptographicHash 类计算文件的 MD5 值时，不需要关心文件内容中是否含有中文或其他任何特殊字符。调用 QFile::readAll() 函数直接读取文件内容得到的 QByteArray 数据即可直接用于计算 MD5 值。

补充

额外记录一个类似的情况：

存在 MD5 计算函数 QString GetFileMD5(ifstream& ifs)，需传入参数 ifstream 类型的文件流。（这里不是使用 QCryptographicHash 类计算文件的 MD5 值，而是使用其他方式计算。非重点，此处不赘述。）

实际使用时，发现如下调用：

ifstream ifs(fileName);
QString md5 = GetFileMD5(ifs);

实测发现，GetFileMD5 函数计算的 MD5 值并不正确。
对于上述调用，创建文件流 ifstream 时，需要指定打开方式，如：

ifstream ifs(fileName, ios::binary)

再次测试调用 GetFileMD5 函数计算 MD5 值，即可得到正确的结果。