python文件拷贝并校验_Python札记 -- 文件校验

好久没有写随笔了，正好这两天可以休整一下，借此机会总结下最近使用python的小体会。

个人体会文件校验在下载文件时使用较多，在linux下最简单的实现方式就是:

1 $ md5sum filename2 21c7ee192e64569ce43cfb869bdb2755 filename

当然在python当中也有对应的模块可以实现此功能，在python2.5之前可以使用 md5 模块，但是在python2.5以后就推荐使用 hashlib 来代替 md5 模块了。最简单的实现代码如下：

1 #!/usr/bin/env python

2 #coding : utf-8

3

4 importsys5 importhashlib6

7 defmd5sum(filename):8 file_object = open(filename, 'rb')9 file_content =file_object.read()10 file_object.close()11 file_md5 =hashlib.md5(file_content)12 returnfile_md513

14 if __name__ == "__main__":15 file_md5 = md5sum(sys.argv[1])16 print file_md5.hexdigest()

竹风觉得有两个地方值得注意：

一个是传入 hashlib.md5() 的应该是 file_object.read() ，这样才是对文件内容产生md5校验码，竹风刚开始就是没有使用 read() 方法，而是传入filename(这样的md5是对文件名生成的)，导致产生的校验码不对；

另外一个地方是，调用了 hashlib.md5() 后返回的是一个对象，想要获得 linux 下 md5sum 同样的效果，还要调用一下 hexdigest() 方法。

当然，上面的代码考虑得不够周全。如果要对一个比较大的文件进行校验，将会把文件内容一次读入内存，造成性能上的缺陷。个人比较推荐从http://ryan-liu.iteye.com/blog/1530029提供的代码，代码如下：

1 #!/usr/bin/env python

2 #coding : utf-8

3 importhashlib, os4

5 defmd5hex(word):6 """MD5加密算法，返回32位小写16进制符号7 """

8 ifisinstance(word, unicode):9 word = word.encode("utf-8")10 elif notisinstance(word, str):11 word =str(word)12 m =hashlib.md5()13 m.update(word)14 returnm.hexdigest()15

16 defmd5sum(fname):17 """计算文件的MD5值18 """

19 defread_chunks(fh):20 fh.seek(0)21 chunk = fh.read(8096)22 whilechunk:23 yieldchunk24 chunk = fh.read(8096)25 else: #最后要将游标放回文件开头

26 fh.seek(0)27 m =hashlib.md5()28 ifisinstance(fname, basestring) \29 andos.path.exists(fname):30 with open(fname, "rb") as fh:31 for chunk inread_chunks(fh):32 m.update(chunk)33 #上传的文件缓存 或 已打开的文件流

34 elif fname.__class__.__name__ in ["StringIO", "StringO"] \35 orisinstance(fname, file):36 for chunk inread_chunks(fname):37 m.update(chunk)38 else:39 return ""

40 return m.hexdigest()

这段代码就足够强大了，每次读入8k的内容，然后调用 update() ，来更新md5。

PS:至于为什么是8k？这个就涉及到了IO大小方面的内容了。提供一篇文章，有兴趣的可以看看了解下：http://blog.sina.com.cn/s/blog_6200c1440100vt4z.html