Question

Windows XP，Python 2.5：

hash('http://stackoverflow.com') Result: 1934711907

Google App Engine（http://shell.appspot.com/）：

hash('http://stackoverflow.com') Result: -5768830964305142685

为什么？我怎样才能有一个哈希函数，它可以在不同平台（Windows，Linux，Mac）上提供相同的结果？

Answer 1

如文档中所述，内置的hash（）函数是而不是，用于在外部存储结果哈希值。它用于提供对象的哈希值，将它们存储在词典中等等。它也是特定于实现的（GAE使用Python的修改版本）。退房：

>>> class Foo:
...     pass
... 
>>> a = Foo()
>>> b = Foo()
>>> hash(a), hash(b)
(-1210747828, -1210747892)

正如您所看到的，它们是不同的，因为hash（）使用对象的__hash__方法而不是“普通”哈希算法，例如SHA。

鉴于上述情况，理性选择是使用hashlib模块。

Answer 2

将hashlib用作hash() was designed to be used to：

在字典查找期间快速比较字典键

因此并不保证它在Python实现中是相同的。

Answer 3

回应绝对不足为奇：实际上

In [1]: -5768830964305142685L & 0xffffffff
Out[1]: 1934711907L

因此，如果您想在ASCII字符串上获得可靠的响应，只需将低32位作为uint。字符串的哈希函数是32位安全的，几乎可移植。

另一方面，你完全不能依赖于获取未明确定义hash()方法的任何对象的__hash__为不变量。

通过ASCII字符串，它的工作原理只是因为哈希是在形成字符串的单个字符上计算的，如下所示：

class string: def __hash__(self): if not self: return 0 # empty value = ord(self[0]) << 7 for char in self: value = c_mul(1000003, value) ^ ord(char) value = value ^ len(self) if value == -1: value = -2 return value

其中c_mul函数是C中的“循环”乘法（没有溢出）。

Answer 4

大多数答案表明这是因为不同的平台，但还有更多。来自the documentation of object.__hash__(self)：

默认情况下，__hash__()，str和bytes的{{1}}值   datetime个对象被“腌制”，具有不可预测的随机值。   虽然它们在单个Python进程中保持不变，   它们在重复调用Python之间是不可预测的。

这旨在提供针对拒绝服务的保护   由精心挑选的输入引起的最坏情况   dict插入的性能，O（n²）复杂度。看到   http://www.ocert.org/advisories/ocert-2011-003.html了解详情。

更改哈希值会影响dicts，sets的迭代顺序   和其他映射。 Python从未对此做过保证   排序（通常在32位和64位版本之间变化）。

即使在同一台机器上运行，也会在调用过程中产生不同的结果：

$ python -c "print(hash('http://stackoverflow.com'))"
-3455286212422042986
$ python -c "print(hash('http://stackoverflow.com'))"
-6940441840934557333

虽然：

$ python -c "print(hash((1,2,3)))"
2528502973977326415
$ python -c "print(hash((1,2,3)))"
2528502973977326415

另请参阅环境变量PYTHONHASHSEED：

如果未将此变量设置或设置为random，则使用随机值   种子str，bytes和datetime个对象的哈希值。

如果将PYTHONHASHSEED设置为整数值，则将其用作固定值   用于生成哈希所涵盖类型的hash()的种子   随机化。

其目的是允许可重复的散列，例如用于自我测试   解释器本身，或允许一组python进程   共享哈希值。

整数必须是[0, 4294967295]范围内的十进制数。   指定值0将禁用散列随机化。

例如：

$ export PYTHONHASHSEED=0                            
$ python -c "print(hash('http://stackoverflow.com'))"
-5843046192888932305
$ python -c "print(hash('http://stackoverflow.com'))"
-5843046192888932305

Answer 5

哈希结果在32位和64位平台之间变化

如果计算的散列在两个平台上都相同，请考虑使用

def hash32(value):
    return hash(value) & 0xffffffff

Answer 6

据猜测，AppEngine正在使用64位的Python实现（-5768830964305142685不适合32位），而Python的实现是32位。您不能依赖于不同实现之间具有可比性的对象哈希值。

Answer 7

这是Google在python 2.5的生产中使用的哈希函数：

def c_mul(a, b):
  return eval(hex((long(a) * b) & (2**64 - 1))[:-1])

def py25hash(self):
  if not self:
    return 0 # empty
  value = ord(self[0]) << 7
  for char in self:
    value = c_mul(1000003, value) ^ ord(char)
  value = value ^ len(self)
  if value == -1:
    value = -2
  if value >= 2**63:
    value -= 2**64
  return value

Answer 8

标志位怎么样？

例如：

十六进制值0xADFE74A5代表无符号2919134373并签名{{1}}。必须对Currect值进行签名（符号位= 1），但python将其转换为无符号，并且在从64位转换为32位后，我们的哈希值不正确。

小心使用：

-1375832923

Answer 9

字符串的多项式哈希。 1000000009和239是任意素数。不太可能偶然发生碰撞。模块化算术不是很快，但是为了防止碰撞，这比以2的模幂运算更可靠。当然，很容易发现碰撞。

mod=1000000009
def hash(s):
    result=0
    for c in s:
        result = (result * 239 + ord(c)) % mod
    return result % mod

Answer 10

PYTHONHASHSEED的值可能用于初始化哈希值。

尝试：

PYTHONHASHSEED python -c 'print(hash('http://stackoverflow.com'))'

Answer 11

它可能只是询问操作系统提供的功能，而不是它自己的算法。

正如其他评论所说，使用hashlib或编写自己的哈希函数。

内置python hash（）函数

11 个答案: