如何在 .net (c#) 中为可安全存储在数据库中的字符串创建 HashCode？答案

【问题标题】：How do I create a HashCode in .net (c#) for a string that is safe to store in a database?如何在 .net (c#) 中为可安全存储在数据库中的字符串创建 HashCode？
【发布时间】：2011-07-06 12:19:15
【问题描述】：

引用 Eric Lippert 的 Guidelines and rules for GetHashCode 的话：

规则：GetHashCode 的消费者不能依赖它随着时间的推移或跨应用程序域而保持稳定

假设您有一个 Customer 对象有一堆字段，例如名称，地址等。如果你做两个这样的对象完全一样数据在两个不同的过程中，他们不必返回相同的哈希代码。如果你在周二在一个进程中，关闭它，并再次运行程序星期三，哈希码可以是不同。

这在过去曾咬人。的文档 System.String.GetHashCode 注释特别是两个相同的字符串可以有不同的哈希码在不同版本的 CLR 中，以及事实上他们确实如此。 不要在数据库中存储字符串哈希并期望它们永远相同，因为它们不会。

那么创建可以存储在数据库中的字符串的 HashCode 的正确方法是什么？

（请告诉我，我不是第一个在我编写的软件中留下这个错误的人！）

【问题讨论】：

好吧，我从不依赖GetHashCode，因为我知道，我实现这个方法是多么的草率。我相信其他人并没有做得更好...... ;-)
您不是第一个在您编写的软件中留下此错误的人。
Dbase 引擎已经非常擅长散列字符串。只需为该列创建一个索引。
@Hans，见stackoverflow.com/questions/2730865/…，不要假设字符串存储在单个表中。
为什么这很重要？无论如何，您都会索引连接中使用的列以使查询快速。在我看来，您正在尝试完成 dbase 引擎的工作。

标签： c# .net database hashcode gethashcode

【解决方案1】：

这取决于您希望该哈希具有哪些属性。例如，您可以只写如下内容：

public int HashString(string text)
{
    // TODO: Determine nullity policy.

    unchecked
    {
        int hash = 23;
        foreach (char c in text)
        {
            hash = hash * 31 + c;
        }
        return hash;
    }
}

只要您记录这是计算哈希的方式，那是有效的。它绝不是加密安全或类似的东西，但你可以毫无问题地坚持下去。在序数意义上绝对相等的两个字符串（即没有应用文化平等等，完全逐个字符相同）将使用此代码产生相同的哈希。

当您依赖 undocumented 散列时，问题就来了 - 即遵循 GetHashCode() 但不能保证在不同版本之间保持相同的东西......比如string.GetHashCode()。

像这样编写和记录您自己的散列有点像说“这些敏感信息使用 MD5（或其他）散列”。只要是定义明确的哈希，就可以了。

编辑：其他答案建议使用加密哈希，例如 SHA-1 或 MD5。我要说的是，在我们知道需要加密安全性而不仅仅是稳定性之前，将字符串转换为字节数组并对其进行散列处理是没有意义的。当然，如果散列旨在用于任何与安全相关的事情，那么行业标准的散列正是您应该达到的目标。但这在问题的任何地方都没有提到。

【讨论】：

23 和* 31 有什么神奇之处吗？相反，有什么理由选择这些而不是任何其他值？ ...超过任何其他[记录]散列方法？我猜不是，尽管 31 比 ASCII 可打印文件少 1 让我产生了不必要的怀疑。
@ruffin：它们是 Josh Bloch 推荐的价值观。乘以 31 是有效的，因为它可以作为移位和减法来完成。还有很多其他问题在讨论这个问题——老实说，这有点像黑暗艺术。
整洁！来自Effective Java (2008), page 48：选择了值 31，因为它是一个奇数素数。如果它是偶数并且乘法溢出，则信息将丢失，因为乘法相当于移位。使用素数的优势不太明显，但它是传统的。 31 的一个很好的属性是乘法可以用移位和减法代替以获得更好的性能：31 * i == (i << 5) - i。现代 VM 会自动进行这种优化。看起来很有趣；再次感谢。
“现代虚拟机自动进行这种优化”这是否也适用于 .NET？

【解决方案2】：

这是the current way .NET calculates it's string hash code for 64 bit systems 的重新实现。这不像真正的GetHashCode()那样使用指针，所以它会稍微慢一些，但它确实使它对string的内部更改更具弹性，这将提供比Jon Skeet's version更均匀分布的哈希码，这可能会导致在字典中更好的查找时间。

public static class StringExtensionMethods
{
    public static int GetStableHashCode(this string str)
    {
        unchecked
        {
            int hash1 = 5381;
            int hash2 = hash1;

            for(int i = 0; i < str.Length && str[i] != '\0'; i += 2)
            {
                hash1 = ((hash1 << 5) + hash1) ^ str[i];
                if (i == str.Length - 1 || str[i+1] == '\0')
                    break;
                hash2 = ((hash2 << 5) + hash2) ^ str[i+1];
            }

            return hash1 + (hash2*1566083941);
        }
    }
}

【讨论】：

【解决方案3】：

答案是编写您自己的散列函数。您可以通过 cmets 中指向您发布的文章的链接找到一些来源。或者，您可以使用最初用于加密（MD5、SHA1 等）的内置哈希函数，而不是使用所有位。

【讨论】：

很好的答案！我喜欢“自己做，我没有头绪”的精神