我正在尝试使用Python模块gzip压缩文件,然后使用hashlib对压缩后的文件进行哈希处理。以下是我的代码:
import hashlib
import gzip
f_name = 'read_x.fastq'
for x in range(0,3):
file = open(f_name, 'rb')
myzip = gzip.open('test.gz', 'wb', compresslevel=1)
n = 100000000
try:
print 'zipping ' + str(x)
for chunk in iter(lambda: file.read(n), ''):
myzip.write(chunk)
finally:
file.close()
myzip.close()
md5 = hashlib.md5()
print 'hashing ' + str(x)
with open('test.gz', 'r') as f:
for chunk in iter(lambda: f.read(n), ''):
md5.update(chunk)
print md5.hexdigest()
print '\n'
我认为应该简单地压缩文件,对其进行哈希处理,并连续显示相同的输出哈希值三次。然而,我得到的输出结果是:
zipping 0
hashing 0
7bd80798bce074c65928e0cf9d66cae4
zipping 1
hashing 1
a3bd4e126e0a156c5d86df75baffc294
zipping 2
hashing 2
85812a39f388c388cb25a35c4fac87bf
如果我跳过gzip步骤,只是将同一个已经压缩的文件连续进行三次哈希,会发现输出结果确实是相同的:
hashing 0
ccfddd10c8fd1140db0b218124e7e9d3
hashing 1
ccfddd10c8fd1140db0b218124e7e9d3
hashing 2
ccfddd10c8fd1140db0b218124e7e9d3
有人能解释这里发生了什么吗?问题可能是每次gzip处理方式不同。但据我所知,DEFLATE算法是Huffman编码后跟随LZ77(一种游程长度编码)或者LZ77后跟随Huffman,因此给定相同的输入应该产生相同的输出。