我有一个问题,我随机生成一个字典,可能有很多可能性(比如,我有 25'000 个可能不同的字典)。我想为每一种可能性生成一个标识符,一个 ID。我想要的是:
- 如果两个字典的每个键的值完全相同,则 ID 相同
- 如果两个词典具有不同的 ID,则它们必须在内容上至少有一处不同。
- 每次运行程序时 ID 都保持不变(
id(x)不起作用) - 好处:不同版本的 Python(2.6、2.7、3.4、3.6)的 ID 保持不变
我目前的想法是使用散列函数(虽然我对此知之甚少)并做这样的事情(假设一个 int/float 数字字典):
import hashlib
def getID(mydic):
ID = 0
for x in mydic.keys():
# Hash the content
ID = ID + int(hashlib.sha256(str(mydic[x]).encode('utf-8')).hexdigest(), 16)
# Hash the key
ID = ID + int(hashlib.sha256(x.encode('utf-8')).hexdigest(), 16)
return (ID % 10**10)
据我所知,这在大多数情况下应该可行,但根据字典和键的实际内容,两个不同的 dic 产生相同的 ID 并非不可能。例如,如果我不对 key 进行哈希处理并且两个不同的条目可以是“1.0”,那么我就会遇到问题。
您有什么建议,希望不要靠运气吗?
编辑:我在我正在尝试做的事情上添加了一个更大的代码:它基本上是一个随机参数优化。 Code on pastebin
请您参考如下方法:
靠运气;每个人都有充分的理由这样做。除非你的ID比你能编码的最长字典还长,或者你选择不能对某些字典进行编码,那么就会出现多个具有相同ID的字典。这是一个简单的计数问题。假设您将一本字典命名为 1,将另外两本命名为 1,依此类推。要么你最终用完了号码,要么你的 ID 变长了。 C通常,当我们想要一些代表对象的少量数据时,我们会使用 ID 或哈希。如果您愿意让字典的名称与字典本身一样大,那么您正在寻找规范表示,而不是 ID 或哈希。
sha256 之类的优点是我们认为很难找到具有相同哈希值的两个输入。尽管理论上可以肯定有多个输入给出相同的 sha256,但我们认为还没有人发现两个输入给出相同的 sha256。 因此,您几乎可以肯定足够安全,而忽略了遇到哈希冲突的可能性。
