python中Hash使用_python中哈希用法

Python中的 Hash

在Python中，hash()是一个内置函数，它用于获取一个对象的哈希值。哈希值是一个固定长度的整数，用于表示一个对象的状态或标识，通常用于构建字典、集合等数据结构，以及进行数据加密等方面。所有的不可变类型都具有可哈希性，包括数字、字符串、元组等，而可变类型如列表、字典、集合等则没有可哈希性。

例如，使用哈希函数可以计算一个字符串的哈希值：

hash_value = hash('hello world')
print(hash_value)
# -6776829039122561485
1
2
3
'
运行
运行

注意：由于哈希值是对于对象状态的一个固定表示，因此具有相同状态的对象会有相同的哈希值，例如相同的字符串会有相同的哈希值，而不同的字符串则会有不同的哈希值。

常见的hash算法：
1、除法哈希算法
2、乘法哈希算法
3、平方取中法
3、随机数哈希算法

除法哈希算法

除法哈希算法（Division Hashing）是一种基于除法取余运算的哈希算法，它的作用是将任意大小的输入数据转换成固定大小的输出数据，通常用于实现哈希表（Hash Table）等数据结构。

具体而言，除法哈希算法通常包括以下步骤：

1. 定义一个哈希表的大小，通常是一个质数；
2. 对于输入的数据，计算它的哈希值。哈希值的计算通常是将输入数据转换成一个整数，然后用哈希表的大小对这个整数取余；
3. 将哈希值作为输入数据在哈希表中的位置，进行数据插入、查找等操作。

举例来说，对于一个哈希表大小为10的除法哈希算法，输入数据“hello world”的哈希值可以如下计算：

hash_value = hash('hello world')
index = hash_value % 10
1
2
'
运行
运行

其中， hash() 函数用于计算输入数据的哈希值， % 运算符用于将哈希值映射到哈希表的位置上。在上述代码中，哈希值的结果是一个整数， % 10 运算将其映射到了0~9的位置上。

需要注意的是，在实际应用中，哈希表的大小需要根据数据规模进行选择，通常选择一个质数可以减小哈希冲突的概率。而哈希冲突的处理则通常分为开放定址法、链表法等多种方法。

乘法哈希算法

乘法哈希算法（Multiplication Hashing）是一种基于乘法运算的哈希算法，它的特点是具有较好的随机性和分布性，常用于实现哈希表（Hash Table）等数据结构。

乘法哈希算法的核心思想是，将输入的数据乘以一个常数A（通常为一个小于1的正实数），然后提取它的小数部分，最后将该小数部分乘以哈希表的大小得到哈希值的整数部分，作为数据在哈希表中的位置。

具体而言，乘法哈希算法的步骤如下：

1. 定义一个哈希表的大小，并选择一个常数A（通常为0 < A < 1）；
2. 对于输入的数据，计算它的哈希值，即先将其转换成一个整数，然后用常数A乘以该整数，取它的小数部分（通常为取小数点后几位），最后将该小数部分乘以哈希表的大小得到哈希值；
3. 将哈希值作为输入数据在哈希表中的位置，进行数据插入、查找等操作。

举例来说，对于一个哈希表大小为10的乘法哈希算法，输入数据“hello world”的哈希值可以如下计算：

hash_value = hash('hello world')
constant = 0.6180339887  # 选择一个常数0.6180339887（黄金分割比）
index = int(10 * (hash_value * constant % 1))
1
2
3
'
运行
运行

其中， hash() 函数用于计算输入数据的哈希值， constant 是常数A， % 1 运算用于取哈希值的小数部分， int() 函数用于将小数部分乘以哈希表大小，并取整得到哈希值的整数部分。在上述代码中，哈希值的结果是整数，乘以常数后得到的是小数，最后将其转换为哈希表中的位置。

需要注意的是，选择合适的常数对于乘法哈希算法的效率至关重要，通常选择黄金分割比等经典比例可以保证良好的分布性和随机性。

平方取中法

平方取中法（Middle Square Method）是一种比较简单的伪随机数生成算法，其核心思想是：从一个初始值开始，对其平方后取中间几位数作为新的值，然后再进行平方中间取数的操作，不断迭代生成伪随机数。平方取中法常常用于密码学中的密钥生成。

平方取中法的具体操作流程如下：

1. 选择一个初始值（Seed），通常是一个整数；
2. 对初始值进行平方运算，并取平方后的结果的一部分作为新的随机数。具体取平方数的哪些位数，取几位数等都有不同的取法，常见的有取中间部分、取右侧部分等；
3. 将新的随机数作为下一次迭代的初始值，重复以上步骤生成更多的随机数。

这里给出一个使用平方取中法生成随机数的 Python 代码示例：

def middle_square(seed, length):
    result = []
    for i in range(length):
        square = seed ** 2
        str_square = str(square)
        mid = len(str_square) // 2
        seed = int(str_square[mid-1:mid+1])
        result.append(seed)
    return result
1
2
3
4
5
6
7
8
9
'
运行
运行

其中 middle_square() 函数接受两个参数：seed 为生成随机数的初始值，length 为生成随机数的长度（也就是需要生成多少个随机数）。函数中使用一个循环迭代生成随机数，每次迭代基于前一个随机数进行平方运算，并从平方结果的中间取数作为下一次的随机数，直到生成了指定数量的随机数后返回结果。

例如，设置初始值为 1234，生成 10 个随机数的代码如下：

random_numbers = middle_square(1234, 10)
print(random_numbers)
1
2

输出结果可能为：[54, 31, 87, 69, 24, 11, 14, 07, 49, 25]。

需要注意的是，平方取中法生成的随机数分布不够均匀，随机性较差。因此，在实际应用中，需要结合其他的随机数生成算法，来增加随机性和安全性。

随机数哈希算法

随机数哈希算法（Randomized Hashing）是一种类似于哈希算法的数据处理方式。不同于哈希算法，它采用的哈希函数是随机生成的，可以有效的防止针对所有输入数据都适用的哈希函数攻击，大大增加了安全性。

随机数哈希算法的核心思想是：

1. 随机生成一个哈希函数；
2. 将输入的数据作为哈希函数的参数，调用哈希函数生成哈希值；
3. 将哈希值作为数据在哈希表中的位置，进行数据插入、查找等操作。

随机数哈希算法使用的哈希函数通常是一次性的，即每次进行哈希操作时都会生成一个新的函数，并使用该函数计算哈希值。这种做法可以大大提高安全性、随机性、抵御攻击的能力，但是相应的也会增加一定的计算开销。

下面是一个使用随机数哈希算法的 Python 代码示例：

import random

class RandomizedHash:
    def __init__(self, size):
        self.size = size
        self.hash_func = self.random_hash_function()

    def random_hash_function(self):
        a = random.randint(1, 100)
        b = random.randint(1, 100)
        def f(x):
            return (a * x + b) % self.size
        return f

    def insert(self, data):
        index = self.hash_func(data)
        # 在哈希表中插入数据

    def search(self, data):
        index = self.hash_func(data)
        # 在哈希表中查找数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
'
运行
运行

在上述代码中，我们先定义了一个 RandomizedHash 类来表示随机数哈希算法。在初始化函数中，我们传递哈希表的大小 size，然后调用 random_hash_function() 函数随机生成一个哈希函数，并将其保存在 hash_func 中。这里我们采用了简单的线性哈希函数： $h(x)=(a\ast x+b)modsize$。

在类中，我们还定义了 insert 和 search 函数来进行数据插入和查找操作。在这里，我们需要调用 hash_func 函数来生成数据在哈希表中的位置。
接下来，我们可以通过以下代码使用我们的随机数哈希算法：

rh = RandomizedHash(10)  # 创建一个大小为10的哈希表
rh.insert(5)  # 插入数据5
rh.search(5)  # 在哈希表中查找数据5
# 需要注意的是，这里的 `insert` 和 `search` 函数
#只是示例操作，具体的数据存储方式和哈希表操作需要根据
#实际情况进行实现。
1
2
3
4
5
6

需要注意的是，由于随机数哈希算法使用的是随机生成的哈希函数，因此在实际应用中，通常会采用更为保守的策略，如使用加盐哈希等技术，在生成哈希函数时加入额外的随机因素，减小攻击者对哈希函数的猜测。

小结

这四种 Hash 算法分别是 SHA 算法、MD5 算法、平方取中法和随机数哈希算法。

其中，SHA 算法是一种应用广泛的密码学哈希函数，常用于数字签名、消息认证等场景，具有较高的安全性和强韧性。MD5 算法与 SHA 算法类似，也经常被用于密码学场景，但相对来说已经存在安全问题，不建议在安全性要求较高的场景下使用。而平方取中法和随机数哈希算法则不属于密码学哈希函数，前者使用简单，但随机性较差，不适用于需要高度随机的场景，后者使用随机生成的哈希函数，可以有效提高安全性，但相应的也会增加一定的计算开销。

综上所述，选择合适的 Hash 算法需要考虑数据安全性、随机性和计算开销等因素。对于密码学场景，通常建议选择安全性较高的哈希函数，如 SHA 算法；对于其他场景，需要根据情况进行选择，如可能会根据数据类型、规模、使用场景等因素综合评估选择哪种 hash 算法。