计算字符串的校验和

本文关键字：校验和 字符串 计算 | 更新日期: 2023-09-27 18:28:42

我得到了一个任意长度的字符串（比如说5到2000个字符），我想为它计算校验和。

要求

  • 每次对字符串进行计算时，都必须返回相同的校验和
  • 校验和必须唯一（无冲突）
  • 我无法存储以前的ID以检查冲突

我应该使用哪种算法？

更新：

  • 是否有一种合理且独特的方法？即碰撞的可能性非常小
  • 校验和应为字母数字
  • 字符串是unicode
  • 字符串实际上是应该翻译的文本，校验和与每次翻译一起存储（因此翻译后的文本可以与原始文本匹配）
  • 校验和的长度对我来说并不重要（越短越好）

更新2

假设我得到了以下字符串"Welcome to this website. Navigate using the flashy but useless menu above"。

该字符串在视图中的使用方式与linux中的gettext类似。即用户只写（在剃刀视图中）

@T("Welcome to this website. Navigate using the flashy but useless menu above")

现在我需要一种识别该字符串的方法，这样我就可以从数据源获取它（数据源有几种实现）。必须使用整个字符串作为密钥似乎有点低效，因此我正在寻找一种从中生成密钥的方法。

计算字符串的校验和

这是不可能的。

如果不能存储以前的值，则无法创建小于字符串中信息的唯一校验和。

更新：

术语"；"相当独特"；没有意义，要么它是独一无二的，要么它不是。

为了获得相对较低的哈希冲突风险，可以使用相当大的哈希代码。

MD5算法例如产生一个16字节的散列码。使用某些保留所有字符的编码将字符串转换为字节数组，例如UTF-8，使用MD5类计算哈希代码，然后使用BitConverter类将哈希代码字节数组转换为字符串：

string theString = "asdf";
string hash;
using (System.Security.Cryptography.MD5 md5 = System.Security.Cryptography.MD5.Create()) {
  hash = BitConverter.ToString(
    md5.ComputeHash(Encoding.UTF8.GetBytes(theString))
  ).Replace("-", String.Empty);
}
Console.WriteLine(hash);

输出：

912EC803B2CE49E4A541068D495AB570

您可以为此使用加密哈希函数。其中大部分在.Net 中可用

例如：

var sha1 = System.Security.Cryptography.SHA1.Create();
byte[] buf = System.Text.Encoding.UTF8.GetBytes("test");
byte[] hash= sha1.ComputeHash(buf, 0, buf.Length);
//var hashstr  = Convert.ToBase64String(hash);
var hashstr = System.BitConverter.ToString(hash).Replace("-", "");

注意：这是对原始问题的回答。

假设您希望校验和存储在固定大小的变量（即整数）中，则无法满足第二个约束。

校验和必须是唯一的（无冲突）

您无法避免冲突，因为不同的字符串将多于可能的校验和值。

我意识到这篇文章实际上很古老，但我偶然发现了它，并且在过去遇到过几乎相同的问题。我们需要查找一个nvarchar（8000）字段。

我们的解决方案是使用讨厌的查找字段的CHECKSUM创建一个持久化的计算列。我们有一个自动递增的ID字段，并键入（校验和，ID）

从表中读取时，我们编写了一个proc，它获取查找文本，计算校验和，然后获取校验和相等和文本相等的位置。

您可以根据上面的答案在应用程序级别轻松地执行校验和部分，并手动存储它们，而不是使用我们以DB为中心的解决方案。但关键是要获得一个大小合理的索引键，这样您的文本比较就可以针对一桶冲突而不是整个数据集进行。

祝你好运！

为了保证唯一性，对于几乎无限大的字符串，将可变长度字符串视为一组串联的子字符串，每个子字符串的长度为"x个字符"。您的哈希函数只需要确定最大子字符串长度的唯一性，然后生成一系列校验和数字来生成值。可以将其视为具有一组校验和数字的等效网络IP地址。

碰撞的问题是假设碰撞会强制使用较慢的搜索方法来解决每次碰撞。如果与哈希对象的数量相比，它们的可能冲突数量微不足道，那么作为一个整体，额外的开销将变为NIL。冲突是由于表的大小小于对象的最大数量。这种情况不一定是这样，因为表可能有"洞"，并且表中的每个对象在碰撞时都可能有对象的引用计数。只有当此计数大于1时，才会发生冲突或同一子字符串的多个实例。

相关文章：