Python2.6的内置哈希方法在架构上稳定吗？

Question

我需要计算一个需要在整个架构中保持稳定的散列。 python的hash（）是稳定的吗？

更具体而言，下面的例子中示出的散列（）计算在两个不同的主机/结构相同的值：

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

至少这些输入上述是真实的，但我的问题是为一般情况下

Answer 1

如果你需要一个定义良好的哈希值，你可以用一个出hashlib。

Answer 2

号

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

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

如果你需要一个稳定的哈希值，创建使用像SHA1您的数据，可以在发现的摘要10

Answer 3

号在ARM与Python 2.6：

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

89902565

Answer 4

hash()函数不是你想要的;找到序列化对象的可靠方法（例如，str()或repr()）并通过hashlib.md5()运行它可能会更受欢迎。

详细说明 - hash()设计用于返回一个整数，该整数唯一标识仅在其生命期内的对象。一旦程序再次运行，构建一个新的对象实际上可能会有不同的散列。销毁一个对象意味着将来有可能有另一个对象有这个散列。有关更多信息，请参阅Python的关于hashable的定义。

在幕后，大多数用户定义的python对象会回退到id()以提供它们的散列值。虽然你不应该利用这个，但是id(obj)和hash(obj)通常被实现（例如在CPython中）作为底层Python对象的内存地址。因此你可以看到为什么它不能依赖任何东西。

您目前看到的行为仅对某些内置python对象可靠，并且不是很远。例如hash({})是不可能的。

---

关于hashlib.md5(str(obj))或等同学历 - 你需要确保str(obj)是可靠相同。特别是，如果你有一个正在字符串中渲染的字典，它可能不会按相同的顺序列出它的键。 Python版本之间也可能存在细微的差异......我肯定会推荐你所依赖的任何实现的单元测试。