Python2.6的內置哈希方法在架構上穩定嗎？

Question

我需要計算一個需要在整個架構中保持穩定的散列。 python的hash（）是穩定的嗎？

更具體而言，下面的例子中示出的散列（）計算在兩個不同的主機/結構相同的值：

# on OSX based laptop 
>>> hash((1,2,3,4)) 
485696759010151909 
# on x86_64 Linux host 
>>> hash((1,2,3,4)) 
485696759010151909 

至少這些輸入上述是真實的，但我的問題是爲一般情況下

Answer 1

如果你需要一個定義良好的哈希值，你可以用一個出hashlib。

Answer 2

號

x86_64 
>>> print hash("a") 
12416037344 

i386 
>>> print hash("a") 
-468864544 

如果你需要一個穩定的哈希值，創建使用像SHA1您的數據，可以在發現的摘要10

Answer 3

號在ARM與Python 2.6：

>>> hash((1,2,3,4)) 

89902565

Answer 4

hash()函數不是你想要的;找到序列化對象的可靠方法（例如，str()或repr()）並通過hashlib.md5()運行它可能會更受歡迎。

詳細說明 - hash()設計用於返回一個整數，該整數唯一標識僅在其生命期內的對象。一旦程序再次運行，構建一個新的對象實際上可能會有不同的散列。銷燬一個對象意味着將來有可能有另一個對象有這個散列。有關更多信息，請參閱Python的關於hashable的定義。

在幕後，大多數用戶定義的python對象會回退到id()以提供它們的散列值。雖然你不應該利用這個，但是id(obj)和hash(obj)通常被實現（例如在CPython中）作爲底層Python對象的內存地址。因此你可以看到爲什麼它不能依賴任何東西。

您目前看到的行爲僅對某些內置python對象可靠，並且不是很遠。例如hash({})是不可能的。

---

關於hashlib.md5(str(obj))或等同學歷 - 你需要確保str(obj)是可靠相同。特別是，如果你有一個正在字符串中渲染的字典，它可能不會按相同的順序列出它的鍵。 Python版本之間也可能存在細微的差異......我肯定會推薦你所依賴的任何實現的單元測試。