我使用过hashlib（在Python 2.6 / 3.0中取代了md5），如果我打开一个文件并将其内容放入hashlib.md5()函数中，它就可以正常工作。

问题在于非常大的文件，其大小可能超过RAM大小。

如何在不将整个文件加载到内存的情况下获取文件的MD5哈希？

将文件分成8192字节的块（或128字节的其他倍数），然后使用连续将其馈送到MD5 update()。

这利用了MD5具有128字节摘要块（8192为128×64）这一事实。由于您没有将整个文件读入内存，因此占用的内存不会超过8192字节。

在Python 3.8+中，您可以执行

import hashlib
with open("your_filename.txt", "rb") as f:
    file_hash = hashlib.md5()
    while chunk := f.read(8192):
        file_hash.update(chunk)
print(file_hash.digest())
print(file_hash.hexdigest())  # to get a printable str instead of bytes

您需要以适当大小的块读取文件：

def md5_for_file(f, block_size=2**20):
    md5 = hashlib.md5()
    while True:
        data = f.read(block_size)
        if not data:
            break
        md5.update(data)
    return md5.digest()

注意：请确保您打开文件时以'rb'开头-否则您将得到错误的结果。

因此，使用一种方法来完成全部工作-使用类似以下内容的方法：

def generate_file_md5(rootdir, filename, blocksize=2**20):
    m = hashlib.md5()
    with open( os.path.join(rootdir, filename) , "rb" ) as f:
        while True:
            buf = f.read(blocksize)
            if not buf:
                break
            m.update( buf )
    return m.hexdigest()

上面的更新基于Frerich Raabe提供的评论-我对此进行了测试，发现在我的Python 2.7.2 Windows安装中它是正确的

我使用“ jacksum”工具对结果进行了交叉检查。

jacksum -a md5 <filename>

http://www.jonelo.de/java/jacksum/

下面，我结合了评论中的建议。谢谢大家！

python <3.7

import hashlib

def checksum(filename, hash_factory=hashlib.md5, chunk_num_blocks=128):
    h = hash_factory()
    with open(filename,'rb') as f: 
        for chunk in iter(lambda: f.read(chunk_num_blocks*h.block_size), b''): 
            h.update(chunk)
    return h.digest()

python 3.8及以上

import hashlib

def checksum(filename, hash_factory=hashlib.md5, chunk_num_blocks=128):
    h = hash_factory()
    with open(filename,'rb') as f: 
        while chunk := f.read(chunk_num_blocks*h.block_size): 
            h.update(chunk)
    return h.digest()

原始帖子

如果您更关心使用pythonic（无“ while为True”）读取文件的方式，请检查以下代码：

import hashlib

def checksum_md5(filename):
    md5 = hashlib.md5()
    with open(filename,'rb') as f: 
        for chunk in iter(lambda: f.read(8192), b''): 
            md5.update(chunk)
    return md5.digest()

请注意，iter（）函数需要一个空字节字符串来使返回的迭代器在EOF处停止，因为read（）返回b''（而不仅仅是“）。

这是我@Piotr Czapla方法的版本：

def md5sum(filename):
    md5 = hashlib.md5()
    with open(filename, 'rb') as f:
        for chunk in iter(lambda: f.read(128 * md5.block_size), b''):
            md5.update(chunk)
    return md5.hexdigest()

在此线程中使用多个评论/答案，这是我的解决方案：

import hashlib
def md5_for_file(path, block_size=256*128, hr=False):
    '''
    Block size directly depends on the block size of your filesystem
    to avoid performances issues
    Here I have blocks of 4096 octets (Default NTFS)
    '''
    md5 = hashlib.md5()
    with open(path,'rb') as f: 
        for chunk in iter(lambda: f.read(block_size), b''): 
             md5.update(chunk)
    if hr:
        return md5.hexdigest()
    return md5.digest()

• 这是“ pythonic”
• 这是一个功能
• 它避免了隐式的值：总是喜欢显式的值。
• 它允许（非常重要）性能优化

最后，

-这是由社区建立的，感谢大家的建议/想法。

Python 2/3便携式解决方案

要计算校验和（md5，sha1等），您必须以二进制模式打开文件，因为您将对字节值求和：

要实现py27 / py3的可移植性，您应该使用以下io软件包：

import hashlib
import io


def md5sum(src):
    md5 = hashlib.md5()
    with io.open(src, mode="rb") as fd:
        content = fd.read()
        md5.update(content)
    return md5

如果文件很大，您可能希望按块读取文件，以避免将整个文件内容存储在内存中：

def md5sum(src, length=io.DEFAULT_BUFFER_SIZE):
    md5 = hashlib.md5()
    with io.open(src, mode="rb") as fd:
        for chunk in iter(lambda: fd.read(length), b''):
            md5.update(chunk)
    return md5

这里的技巧是将iter()函数与前哨（空字符串）一起使用。

在这种情况下创建的迭代器将调用o [lambda函数]，且每次对其next()方法的调用都没有参数；如果返回的值等于哨兵，StopIteration将被提高，否则将返回该值。

如果你的文件是真的大了，你可能还需要显示进度信息。您可以通过调用一个回调函数来做到这一点，该函数打印或记录所计算的字节数：

def md5sum(src, callback, length=io.DEFAULT_BUFFER_SIZE):
    calculated = 0
    md5 = hashlib.md5()
    with io.open(src, mode="rb") as fd:
        for chunk in iter(lambda: fd.read(length), b''):
            md5.update(chunk)
            calculated += len(chunk)
            callback(calculated)
    return md5

混合了Bastien Semene代码，将Hawkwing关于通用哈希函数的注释纳入考虑...

def hash_for_file(path, algorithm=hashlib.algorithms[0], block_size=256*128, human_readable=True):
    """
    Block size directly depends on the block size of your filesystem
    to avoid performances issues
    Here I have blocks of 4096 octets (Default NTFS)

    Linux Ext4 block size
    sudo tune2fs -l /dev/sda5 | grep -i 'block size'
    > Block size:               4096

    Input:
        path: a path
        algorithm: an algorithm in hashlib.algorithms
                   ATM: ('md5', 'sha1', 'sha224', 'sha256', 'sha384', 'sha512')
        block_size: a multiple of 128 corresponding to the block size of your filesystem
        human_readable: switch between digest() or hexdigest() output, default hexdigest()
    Output:
        hash
    """
    if algorithm not in hashlib.algorithms:
        raise NameError('The algorithm "{algorithm}" you specified is '
                        'not a member of "hashlib.algorithms"'.format(algorithm=algorithm))

    hash_algo = hashlib.new(algorithm)  # According to hashlib documentation using new()
                                        # will be slower then calling using named
                                        # constructors, ex.: hashlib.md5()
    with open(path, 'rb') as f:
        for chunk in iter(lambda: f.read(block_size), b''):
             hash_algo.update(chunk)
    if human_readable:
        file_hash = hash_algo.hexdigest()
    else:
        file_hash = hash_algo.digest()
    return file_hash

如果不阅读全部内容，您将无法获得md5。但是您可以使用更新功能逐块读取文件内容。
m.update（a）; m.update（b）等同于m.update（a + b）

我认为以下代码更像pythonic：

from hashlib import md5

def get_md5(fname):
    m = md5()
    with open(fname, 'rb') as fp:
        for chunk in fp:
            m.update(chunk)
    return m.hexdigest()

Django可接受答案的实现：

import hashlib
from django.db import models


class MyModel(models.Model):
    file = models.FileField()  # any field based on django.core.files.File

    def get_hash(self):
        hash = hashlib.md5()
        for chunk in self.file.chunks(chunk_size=8192):
            hash.update(chunk)
        return hash.hexdigest()

我不喜欢循环。基于@Nathan Feger：

md5 = hashlib.md5()
with open(filename, 'rb') as f:
    functools.reduce(lambda _, c: md5.update(c), iter(lambda: f.read(md5.block_size * 128), b''), None)
md5.hexdigest()

import hashlib,re
opened = open('/home/parrot/pass.txt','r')
opened = open.readlines()
for i in opened:
    strip1 = i.strip('\n')
    hash_object = hashlib.md5(strip1.encode())
    hash2 = hash_object.hexdigest()
    print hash2

我不确定这里是否有太多大惊小怪的事情。我最近在md5上遇到问题，并且在MySQL上将这些文件存储为blob，因此我尝试了各种文件大小和简单的Python方法，即：

FileHash=hashlib.md5(FileData).hexdigest()

在文件大小为2Kb到20Mb的范围内，我无法检测到明显的性能差异，因此无需“分块”哈希。无论如何，如果Linux必须使用磁盘，那么它至少可以做到与普通程序员阻止磁盘使用的能力相同。碰巧，问题与md5无关。如果您使用的是MySQL，请不要忘记已经存在md5（）和sha1（）函数。