Python 用hashlib求中文字符串的MD5值 （轉自 haungrui的專欄）

使用過hashlib庫的朋友想必都遇到過如下的錯誤吧：「Unicode-objects must be encoded before hashing」，意思是在進行md5哈希運算前，須要對數據進行編碼。並且在不一樣版本的Python下還有所不一樣，唉Python還需努力啊，接口和消 息都很不穩定。

hashlib.md5(data)函數中，data參數的類型應該是bytes。也就是說咱們在進行hash前必須把數據轉換成bytes類型，對於C程序而言彷佛沒有相似問題，指針強制轉換就OK了。

對於中文，有朋友建議轉爲utf8，同一中文字符串在gb2312和utf8下的值顯然是不同的（連長度都不同），hash出來的md5會同樣嗎？
下面是正確的示例：
data = "你好"
m = hashlib.md5(data.encode("gb2312"))
print(m.hexdigest())
若是須要utf8編碼下的md5&值，就該是m = hashlib.md5(data.encode("utf8"))。還能夠試試：encode("mbcs")、 encode("unicode_escape")以及encode("raw_unicode_escape")

問題解決了，可是心頭的疑問卻更多了。爲何不能直接hashlib.md5(data)，非要強制進行編碼轉換，設計者的初衷何在？中文字符在Python中是以什麼形式存在？
print('%x'%ord(data[0]))
4f60


說明中文字符在Python中是以unicode存在的。至此，全部的疑問都得以解除了。
在hash前要求進行編碼轉換，是由於同一個字符串在不一樣的編碼體系下有不一樣的值，爲確保不發生歧義必需要進行一次顯性轉換。