不能直接用hashlib.md5(file.read())读大文件，因为file.read()会一次性将整个文件加载进内存，导致memoryerror或系统变慢；正确做法是用'rb'模式打开文件，以固定块大小（如8192字节）循环read()并调用update()流式计算，最后用hexdigest()获取结果。
为什么不能直接用 hashlib.md5(file.read()) 读大文件？
因为 file.read() 会把整个文件一次性加载进内存，1GB 文件就吃掉 1GB 内存，容易触发 MemoryError 或拖慢系统。实际场景中，几 GB 的日志、镜像、视频文件很常见，必须流式分块读取。
正确做法：用 update() 分块喂数据
核心是打开文件后，每次只读固定大小（如 8192 字节），反复调用 hash_obj.update(chunk)，最后调用 hexdigest() 获取结果。这样内存占用恒定，与文件大小无关。
推荐代码片段：
import hashlib
<p>def compute_hash(filepath, algorithm='md5', chunk_size=8192):
hash_obj = getattr(hashlib, algorithm)()
with open(filepath, 'rb') as f:
while chunk := f.read(chunk_size):
hash_obj.update(chunk)
return hash_obj.hexdigest()</p><h1>示例</h1><p>print(compute_hash('large_file.iso', 'sha256'))</p>
-
chunk_size设为 8192（8KB）是通用平衡值；设太小（如 1）会导致系统调用过多，性能下降；设太大（如 1MB）对内存压力虽仍可控，但没必要 -
algorithm支持'md5'、'sha1'、'sha256'、'sha512'等，传错名字会抛AttributeError - 必须用
'rb'模式打开，否则文本模式在 Windows 上可能因换行符处理出错，哈希值不一致
遇到 UnicodeDecodeError 怎么办？
这通常是因为误用了文本模式（'r'）打开二进制文件，或手动做了 .decode()。哈希计算只认字节序列，跟编码无关。只要确保 open(..., 'rb') + bytes 流，就不会触发该错误。
常见误操作：
- 写成
open(filepath).read()→ 缺少'rb'，默认文本模式 - 写成
hash_obj.update(f.read().encode())→ 多余 encode，且文本读取本身已失败 - 用
pandas.read_csv()或json.load()先加载再哈希 → 完全偏离目标，破坏原始字节
想验证下载完整性？注意校验和文件本身的编码
很多项目提供 .md5 或 .sha256 校验文件，内容形如 abc123... filename.zip。注意空格分隔符位置和末尾换行 —— 有些用空格，有些用制表符；有些末尾带 \n，解析时需 strip()。
安全比对建议：
- 用
split(None, 1)拆分，避免空格/制表符差异影响 - 校验前先确认你算出的哈希值和官方提供的完全一致（包括大小写，
hexdigest()返回小写） - 不要用
==直接比字符串，可用hmac.compare_digest()防计时攻击（虽一般场景不必要，但严谨项目值得加）
真正容易被忽略的是：不同操作系统生成的校验文件可能含 BOM 或 CRLF，拿 Windows 下下载的 .sha256 在 Linux 里直接 cat 解析，可能多出不可见字符。动手前先 hexdump -C checksum.sha256 | head 看一眼开头字节最稳妥。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
