Python hashlib库入门：安装、函数与MD5实战
讲到多批次结果比对，绕不开一个基础工具——哈希计算。说白了，哈希就是把任意长度的数据，通过算法“压缩”成固定长度的摘要。你给它一个文件，它还你一串看似随机的字符。内容变了，摘要就完全不一样。
Python自带的hashlib模块就是干这个的。我最初接触它是在做日志归档校验那会儿，几千个文件要算MD5，手写太慢，才发现标准库已经准备好了。这一节我们就把hashlib的安装、常见函数以及最核心的MD5计算过一遍。
3.1 安装hashlib模块
嗯，这里有个好消息——hashlib是Python标准库，装好Python就自带。不需要额外pip install。我习惯先确认版本，因为不同Python版本支持的哈希算法有细微差别。
验证一下，打开终端或者命令行，输入：
python -c "import hashlib; print(hashlib.algorithms_available)"你会看到一长串算法名字，像md5、sha1、sha256这些。如果这条命令没报错，那就说明环境没问题。
hashlib可用但特定算法不可用。曾经有同事在容器环境里遇到过，算SHA-3直接抛ValueError。建议生产环境跑一下我这句验证命令，排查起来快很多。
3.2 常见哈希函数一览
hashlib支持很多算法，但日常校验用得最多就那么几个。我整理了一张表，你看一眼就明白了：
| 算法 | 摘要长度（字节） | 安全性 | 适用场景 |
|---|---|---|---|
| MD5 | 16 | 低（已有碰撞攻击） | 非安全校验、下载完整性、历史兼容 |
| SHA-1 | 20 | 较低（理论上有碰撞） | Git版本标识、遗留系统 |
| SHA-256 | 32 | 高 | 文件校验、签名、安全场景 |
| SHA-512 | 64 | 极高 | 密码学、高安全需求 |
| BLAKE2b | 可调（1-64） | 高 | 现代应用、性能优先 |
你可能会问：“MD5已经被攻破了，为什么还要学？” 说实话，在很多企业内部系统、老旧项目的接口里，MD5依然是最常见的校验手段。我在项目中遇到过一个遗留数据管道，全部用MD5做批次比对。你说换？周期长、影响大。所以理解它、会用、知道它的局限性，才是务实的态度。
3.3 简单字符串MD5计算示例
上手最快的方式，就是写一段能跑的代码。我们来算一个字符串的MD5。
import hashlib
data = "hello, world"
md5_obj = hashlib.md5(data.encode('utf-8'))
md5_digest = md5_obj.hexdigest()
print(md5_digest)
# 输出：6cd3556deb0da54bca060b4c3947983f这里几个关键点你记一下：
- 输入必须是字节串。字符串得先
.encode('utf-8')，否则报TypeError。我以前就犯过这种低级错误，调试了半天才发现是字符串没转码。 - md5()创建对象，然后调用
hexdigest()得到十六进制字符串。如果调用digest()，返回的是bytes类型，长度16字节。 - 对象可复用：你可以先
update一部分数据，再继续update剩下的，最后hexdigest()拿到完整摘要。大文件或者流式数据就靠这个。
看看带update的版本：
import hashlib
md5_obj = hashlib.md5()
md5_obj.update(b"hello, ")
md5_obj.update(b"world")
result = md5_obj.hexdigest()
print(result)
# 输出：6cd3556deb0da54bca060b4c3947983f结果和前面一样。这块在我做文件逐块计算时非常实用——一次性读入整个大文件会撑爆内存，分块update就不用担心。
核心流程速览：
字符串 → 编码为字节 → 创建hash对象 → update数据 → hexdigest获取摘要
这五步，就是hashlib的通用模式。换SHA-256，只改一个函数名hashlib.sha256()，其余代码结构相同。
现在，我们把这一节的核心逻辑用一张图串起来。你看这个流程，从原始数据到最终摘要，每一步都是固定的：
这张图把hashlib的调用过程拆成了五个步骤。你写代码的时候心里就按这条线走，不容易乱。我个人习惯在写校验脚本之前，先把流程图画在纸上或者脑子里，然后逐个实现。这个方法对复杂逻辑尤其管用。
好了，这一节的内容就这么多。下一部分我们会把这些基础操作真正用到多批次文件的MD5校验上，到时候你会看到实际项目中遇到的编码问题、大文件分块以及并发处理——那些才是真正的战场。