Question

我想检查网络服务器上的pdf内容是否与我计算机上的pdf内容相同。我试了这个没有成功：

>>> import requests, hashlib
>>> pdf = requests.get('<http link to pdf file>')
>>> type(pdf.content)
<class 'bytes'>
>>> type(repr(open('file.pdf','rb')).encode('utf-8'))
<class 'bytes'>
>>> hashlib.sha256(repr(open('file.pdf','rb')).encode('utf-8')) == hashlib.sha256(repr(pdf.content).encode('utf-8')).hexdigest()
False
>>> hashlib.sha256(repr(open('file.pdf','rb')).encode('utf-8')) == hashlib.sha256(pdf.content).hexdigest()
False

Answer 1

您正在散列文件对象的UTF-8编码repr，而不是文件的内容。无论如何都没有理由使用repr;直接散列内容。

>>> with open('file.pdf', 'rb') as f:
...     h1 = hashlib.sha256(f.read()).digest()
>>> h2 = hashlib.sha256(pdf.content).digest()
>>> h1 == h2
True

Answer 2

第一个哈希是文件对象（而不是其内容）表示的哈希：

repr(open('file.pdf','rb'))  
    # "<_io.BufferedReader name='file.pdf'>"
repr(open('file.pdf','rb')).encode('utf-8')  
    # b"<_io.BufferedReader name='file.pdf'>"

您的第一个哈希值超过bytes：b"<_io.BufferedReader name='file.pdf'>"。

Python：pdf文件与下载对象的哈希

2 个答案: