java - 加载文件 MD5 的最快方法是什么？

Question

我想加载多个不同文件的MD5。我正在关注这个 answer这样做但主要问题是加载文件的 MD5(可能有数百个)所花费的时间很多。

有没有什么方法可以在不花很多时间的情况下找到文件的MD5。

注意 - 文件的大小可能很大(可能高达 300MB)。

这是我正在使用的代码-

import java.io.*;
import java.security.MessageDigest;

public class MD5Checksum {

   public static byte[] createChecksum(String filename) throws Exception {
       InputStream fis =  new FileInputStream(filename);

       byte[] buffer = new byte[1024];
       MessageDigest complete = MessageDigest.getInstance("MD5");
       int numRead;

       do {
           numRead = fis.read(buffer);
           if (numRead > 0) {
               complete.update(buffer, 0, numRead);
           }
       } while (numRead != -1);

       fis.close();
       return complete.digest();
   }

   // see this How-to for a faster way to convert
   // a byte array to a HEX string
   public static String getMD5Checksum(String filename) throws Exception {
       byte[] b = createChecksum(filename);
       String result = "";

       for (int i=0; i < b.length; i++) {
           result += Integer.toString( ( b[i] & 0xff ) + 0x100, 16).substring( 1 );
       }
       return result;
   }

   public static void main(String args[]) {
       try {
           System.out.println(getMD5Checksum("apache-tomcat-5.5.17.exe"));
           // output :
           //  0bb2827c5eacf570b6064e24e0e6653b
           // ref :
           //  http://www.apache.org/dist/
           //          tomcat/tomcat-5/v5.5.17/bin
           //              /apache-tomcat-5.5.17.exe.MD5
           //  0bb2827c5eacf570b6064e24e0e6653b *apache-tomcat-5.5.17.exe
       }
       catch (Exception e) {
           e.printStackTrace();
       }
   }
}

Answer 1

您不能使用哈希来确定内容的任何相似性。
例如，生成 hellostackoverflow1 和 hellostackoverflow2 的 MD5 会计算两个哈希值，其中字符串表示的所有字符都不匹配(7c35[...]85fa vs b283[...]3d19)。那是因为哈希是根据文件的二进制数据计算的，因此是同一事物的两种不同格式 - 例如.txt 和同一文本的 .docx - 具有不同的哈希值。

但如前所述，使用 native 代码(即 NDK)可能会提高一些速度。此外，如果您仍想比较文件的精确匹配，请先比较以字节为单位的大小，然后使用具有足够速度和低冲突风险的哈希算法。如前所述，CRC32 没问题。