为什么 Python 计算的“hashlib.sha1”与文件的“git hash-object”不同？

Question

我正在尝试计算文件的 SHA-1 值。

我编造了这个脚本：

def hashfile(filepath):
    sha1 = hashlib.sha1()
    f = open(filepath, 'rb')
    try:
        sha1.update(f.read())
    finally:
        f.close()
    return sha1.hexdigest()

对于特定文件，我得到这个哈希值：
8c3e109ff260f7b11087974ef7bcdbdc69a0a3b9
但是当我用 git hash_object 计算值时，我得到这个值：d339346ca154f6ed9e92205c3c5c38112e761eb7

它们为什么不同？我做错了什么，还是我可以忽略其中的差异？

Answer 1

git 像这样计算哈希：

sha1("blob " + filesize + "\0" + data)

Reference

Answer 2

作为参考，这里有一个更简洁的版本：

def sha1OfFile(filepath):
    import hashlib
    with open(filepath, 'rb') as f:
        return hashlib.sha1(f.read()).hexdigest()

再想一想：虽然我从未见过它，但我认为 f.read() 返回的文件可能会少于完整文件，或者对于许多 GB 的文件，f.read() 可能会耗尽内存.为了大家的启迪，让我们考虑一下如何解决这个问题：第一个解决方法是：

def sha1OfFile(filepath):
    import hashlib
    sha = hashlib.sha1()
    with open(filepath, 'rb') as f:
        for line in f:
            sha.update(line)
        return sha.hexdigest()

但是，不能保证'\n' 会出现在文件中，因此for 循环将为我们提供以'\n' 结尾的文件块这一事实可能会给我们带来与最初相同的问题.可悲的是，我没有看到任何类似的 Pythonic 方法来迭代尽可能大的文件块，我认为这意味着我们陷入了 while True: ... break 循环和块大小的幻数：

def sha1OfFile(filepath):
    import hashlib
    sha = hashlib.sha1()
    with open(filepath, 'rb') as f:
        while True:
            block = f.read(2**10) # Magic number: one-megabyte blocks.
            if not block: break
            sha.update(block)
        return sha.hexdigest()

当然，谁能说我们可以存储 1 兆字节的字符串。我们可能可以，但是如果我们在一台微型嵌入式计算机上呢？

我希望我能想出一种更简洁的方法，保证不会在大量文件上耗尽内存，并且没有幻数，并且性能与最初的简单 Pythonic 解决方案一样好。