Как я могу вычислить хэш для каталога файловой системы с помощью Python?

Я использую этот код для вычисления значения хэша для файла:

m = hashlib.md5()
with open("calculator.pdf", 'rb') as fh:
    while True:
        data = fh.read(8192)
        if not data:
            break
        m.update(data)
    hash_value = m.hexdigest()

    print  hash_value

когда я попробовал его в папке "folder", я получил

IOError: [Errno 13] Permission denied: folder

Как я могу вычислить хэш-значение для папки?

Ответ 1

Этот Recipe обеспечивает хорошую функцию, чтобы делать то, что вы просите. Я изменил его, чтобы использовать хэш MD5 вместо SHA1, поскольку ваш исходный вопрос спрашивает

def GetHashofDirs(directory, verbose=0):
  import hashlib, os
  SHAhash = hashlib.md5()
  if not os.path.exists (directory):
    return -1

  try:
    for root, dirs, files in os.walk(directory):
      for names in files:
        if verbose == 1:
          print 'Hashing', names
        filepath = os.path.join(root,names)
        try:
          f1 = open(filepath, 'rb')
        except:
          # You can't open the file for some reason
          f1.close()
          continue

        while 1:
          # Read file in as little chunks
          buf = f1.read(4096)
          if not buf : break
          SHAhash.update(hashlib.md5(buf).hexdigest())
        f1.close()

  except:
    import traceback
    # Print the stack traceback
    traceback.print_exc()
    return -2

  return SHAhash.hexdigest()

Вы можете использовать его следующим образом:

print GetHashofDirs('folder_to_hash', 1)

Результат выглядит следующим образом: хеширует каждый файл:

...
Hashing file1.cache
Hashing text.txt
Hashing library.dll
Hashing vsfile.pdb
Hashing prog.cs
5be45c5a67810b53146eaddcae08a809

Возвращаемое значение этого вызова функции возвращается как хэш. В этом случае 5be45c5a67810b53146eaddcae08a809

Ответ 2

Использовать пакет checkumdir python для вычисления контрольной суммы/хеша каталога. Он доступен в https://pypi.python.org/pypi/checksumdir/1.0.5

Использование:

import checksumdir
hash = checksumdir.dirhash("c:\\temp")
print hash

Ответ 3

Я не фанат того, как рецепт, указанный в ответе, был написан. У меня есть гораздо более простая версия, которую я использую:

import hashlib
import os


def hash_directory(path):
    digest = hashlib.sha1()

    for root, dirs, files in os.walk(path):
        for names in files:
            file_path = os.path.join(root, names)

            # Hash the path and add to the digest to account for empty files/directories
            digest.update(hashlib.sha1(file_path[len(path):].encode()).digest())

            # Per @pt12lol - if the goal is uniqueness over repeatability, this is an alternative method using 'hash'
            # digest.update(str(hash(file_path[len(path):])).encode())

            if os.path.isfile(file_path):
                with open(file_path, 'rb') as f_obj:
                    while True:
                        buf = f_obj.read(1024 * 1024)
                        if not buf:
                            break
                        digest.update(buf)

    return digest.hexdigest()

Я обнаружил, что исключения обычно генерируются всякий раз, когда встречается что-то вроде alias (отображается в os.walk(), но вы не можете открыть его напрямую). os.path.isfile() эти проблемы.

Если в каталоге должен быть реальный файл, который я пытаюсь хэшировать, и он не может быть открыт, пропуск этого файла и продолжение не является хорошим решением. Это влияет на результат хэша. Лучше вообще убить попытку хеширования. Здесь оператор try будет обернут вокруг вызова моей функции hash_directory().

>>> try:
...   print(hash_directory('/tmp'))
... except:
...   print('Failed!')
... 
e2a075b113239c8a25c7e1e43f21e8f2f6762094
>>> 

Ответ 4

Я продолжаю видеть, что этот код распространяется через различные форумы.

ответ рецепта ActiveState работает, но, как отметил Антонио, он не может быть повторяемым в файловых системах из-за невозможности представить файлы в тот же порядок (попробуйте). Одним из исправлений является изменение

for root, dirs, files in os.walk(directory):
  for names in files:

к

for root, dirs, files in os.walk(directory):
  for names in sorted(files): 

(Да, я ленив здесь. Это сортирует только имена файлов, а не каталоги. Этот же принцип применяется)

Ответ 5

Вот реализация, которая использует pathlib.Path вместо того, чтобы полагаться на os.walk. Он сортирует содержимое каталога перед итерацией, поэтому он должен повторяться на нескольких платформах. Он также обновляет хэш с именами файлов/каталогов, поэтому добавление пустых файлов и каталогов изменит хэш.

Версия с аннотациями типов (Python 3.6 или выше):

import hashlib
from _hashlib import HASH as Hash
from pathlib import Path
from typing import Union


def md5_update_from_file(filename: Union[str, Path], hash: Hash) -> Hash:
    assert Path(filename).is_file()
    with open(str(filename), "rb") as f:
        for chunk in iter(lambda: f.read(4096), b""):
            hash.update(chunk)
    return hash


def md5_file(filename: Union[str, Path]) -> str:
    return str(md5_update_from_file(filename, hashlib.md5()).hexdigest())


def md5_update_from_dir(directory: Union[str, Path], hash: Hash) -> Hash:
    assert Path(directory).is_dir()
    for path in sorted(Path(directory).iterdir()):
        hash.update(path.name.encode())
        if path.is_file():
            hash = md5_update_from_file(path, hash)
        elif path.is_dir():
            hash = md5_update_from_dir(path, hash)
    return hash


def md5_dir(directory: Union[str, Path]) -> str:
    return str(md5_update_from_dir(directory, hashlib.md5()).hexdigest())

Без аннотации типов:

import hashlib
from pathlib import Path


def md5_update_from_file(filename, hash):
    assert Path(filename).is_file()
    with open(str(filename), "rb") as f:
        for chunk in iter(lambda: f.read(4096), b""):
            hash.update(chunk)
    return hash


def md5_file(filename):
    return md5_update_from_file(filename, hashlib.md5()).hexdigest()


def md5_update_from_dir(directory, hash):
    assert Path(directory).is_dir()
    for path in sorted(Path(directory).iterdir()):
        hash.update(path.name.encode())
        if path.is_file():
            hash = md5_update_from_file(path, hash)
        elif path.is_dir():
            hash = md5_update_from_dir(path, hash)
    return hash


def md5_dir(directory):
    return md5_update_from_dir(directory, hashlib.md5()).hexdigest()

Сжатая версия, если вам нужно только хэшировать каталоги:

def md5_update_from_dir(directory, hash):
    assert Path(directory).is_dir()
    for path in sorted(Path(directory).iterdir()):
        hash.update(path.name.encode())
        if path.is_file():
            with open(path, "rb") as f:
                for chunk in iter(lambda: f.read(4096), b""):
                    hash.update(chunk)
        elif path.is_dir():
            hash = md5_update_from_dir(path, hash)
    return hash


def md5_dir(directory):
    return md5_update_from_dir(directory, hashlib.md5()).hexdigest()

Использование: md5_hash = md5_dir("/some/directory")

Ответ 6

Я оптимизировал дальнейший ответ Энди.

Ниже приведена реализация python3, а не python2. Он использует SHA1, обрабатывает некоторые случаи, когда необходимо кодирование, помечен и содержит несколько доктрин.

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""dir_hash: Return SHA1 hash of a directory.
- Copyright (c) 2009 Stephen Akiki, 2018 Joe Flack
- MIT License (http://www.opensource.org/licenses/mit-license.php)
- http://akiscode.com/articles/sha-1directoryhash.shtml
"""
import hashlib
import os


def update_hash(running_hash, filepath, encoding=''):
    """Update running SHA1 hash, factoring in hash of given file.

    Side Effects:
        running_hash.update()
    """
    if encoding:
        file = open(filepath, 'r', encoding=encoding)
        for line in file:
            hashed_line = hashlib.sha1(line.encode(encoding))
            hex_digest = hashed_line.hexdigest().encode(encoding)
            running_hash.update(hex_digest)
        file.close()
    else:
        file = open(filepath, 'rb')
        while True:
            # Read file in as little chunks.
            buffer = file.read(4096)
            if not buffer:
                break
            running_hash.update(hashlib.sha1(buffer).hexdigest())
        file.close()


def dir_hash(directory, verbose=False):
    """Return SHA1 hash of a directory.

    Args:
        directory (string): Path to a directory.
        verbose (bool): If True, prints progress updates.

    Raises:
        FileNotFoundError: If directory provided does not exist.

    Returns:
        string: SHA1 hash hexdigest of a directory.
    """
    sha_hash = hashlib.sha1()

    if not os.path.exists(directory):
        raise FileNotFoundError

    for root, dirs, files in os.walk(directory):
        for names in files:
            if verbose:
                print('Hashing', names)
            filepath = os.path.join(root, names)
            try:
                update_hash(running_hash=sha_hash,
                            filepath=filepath)
            except TypeError:
                update_hash(running_hash=sha_hash,
                            filepath=filepath,
                            encoding='utf-8')

    return sha_hash.hexdigest()