将散列算法从 C 转换为 Python答案

【问题标题】：Translate a hashing algorithm from C to Python将散列算法从 C 转换为 Python
【发布时间】：2013-09-23 19:35:03
【问题描述】：

我的客户是一名 Python 程序员，我为他创建了一个 C++ 后端，其中包括许可证生成和检查。为了提高安全性，Python 前端还将执行许可证的有效性检查。

然而，许可证生成和检查算法基于散列方法，该方法依赖于整数具有固定字节大小的事实，并且对值进行位移不会扩展整数字节数。

这是一个简化的示例代码：

unsigned int HashString(const char* str) {
    unsigned int hash = 3151;
    while (*str != 0) {
        hash = (hash << 3) + (*str << 2) * 3;
        str++;
    }
    return hash;
}

如何将其转换为 Python？直接翻译显然会产生不同的结果：

def hash_string(str):
    hash = 3151
    for c in str:
        hash = (hash << 3) + (ord(c) << 2) * 3
    return hash

例如：

hash_string("foo bar spam")  #  228667414299004
HashString("foo bar spam")   // 3355459964

编辑：PHP 也需要这样做，因为在线商店也应该能够生成有效的许可证。

【问题讨论】：

一个警告：char 不明确：有符号还是无符号？ See here。应该将 C 代码更改为显式；即const unsigned char* str.
@NiklasR：这是非常微不足道的保护。任何可以破解您的二进制 DLL 并放入他的新版本的人大概也可以破解您的 Python 源代码。（这在某些情况下可能仍然有用，只要您知道自己从中得到了多少。）
@TimPeters：好点。或者只是在你访问它的地方投射*str，而不是尽可能地传播东西——注册直到你添加到(hash << 3)。
哈希码看起来也是“编造的”——可能不太好。例如，除非字符串为空，否则哈希的最后两位始终为 0。
@TimPeters：另一个好点。复制保护的标准技巧是使用 HMAC-SHA1 之类的东西，并在代码中混淆密钥/盐。（真的，除非你能很好地隐藏密钥以至于它比算法破解更难找到，否则它不一定是一个好的算法......但是使用标准技巧可以更容易地证明任何破解它的人都必须违反了 DMCA 或您的合同条款。）

标签： python c algorithm hash code-translation

【解决方案1】：

这里的问题是 C 的 unsigned int 在超过 UINT_MAX 时会自动翻转，而 Python 的 int 只会越来越大。

最简单的解决方法就是在最后更正：

return hash % (1 << 32)

对于非常大的字符串，在每次操作后进行屏蔽可能会快一点，以避免以处理缓慢的巨大int 值结束。但对于较小的字符串，这可能会更慢，因为调用 % 12 次而不是 1 次的成本很容易超过处理 48 位 int 的成本。

PHP 可能有同样的问题，也可能有不同的问题。

PHP 的默认整数类型是 C long。在 64 位 Unix 平台上，这比 unsigned int 大，因此您必须使用与 Python 相同的技巧（% 或 &，以您更有意义的方式为准。）

但在 32 位 Unix 平台或 Windows 上，它的大小与 unsigned int 相同，但已签名，这意味着您需要不同的技巧。你实际上不能直接代表4294967293（试一试，你会得到-3）。您可以使用 GMP 或 BCMath 整数而不是默认类型（在这种情况下，它与 Python 中的基本相同），或者您可以编写自定义代码进行打印、比较等处理 @987654337 @好像是4294967293。

请注意，我只是假设 int 是 32 位，而 long 是 32 或 64，因为这恰好在当今每个流行的平台上都是正确的。但 C 标准只要求int 至少为 16 位长，long 至少为 32 位且不短于int。如果您需要处理 int 可能是 16 位（或 18 位！）的非常旧的平台，或者可能是 64 位或更多位的未来平台，您必须适当地调整您的代码。

【讨论】：

【解决方案2】：

用&屏蔽散列值：

def hash_string(str, _width=2**32-1):
    hash = 3151
    for c in str:
        hash = ((hash << 3) + (ord(c) << 2) * 3)
    return hash & _width

这会手动将散列缩减回大小。您只需要限制一次结果；并不是说那些高位对最终结果有影响。

演示：

>>> hash_string("foo bar spam")
3355459964

【讨论】：