python - "OSError: [Errno 22] Invalid argument"当读取大文件时

Question

我正在尝试编写一个小脚本来打印文件的校验和(使用 https://gist.github.com/Zireael-N/ed36997fd1a967d78cb2 中的一些代码):

import sys
import os
import hashlib

file = '/Users/Me/Downloads/2017-11-29-raspbian-stretch.img'

with open(file, 'rb') as f:
    contents = f.read()
    print('SHA256 of file is %s' % hashlib.sha256(contents).hexdigest())

但我收到以下错误消息:

Traceback (most recent call last):
  File "checksum.py", line 8, in <module>
    contents = f.read()
OSError: [Errno 22] Invalid argument

我做错了什么？我在 macOS High Sierra 上使用 python 3

Answer 1

有have been several issues Python 的历史(最近版本中大多数已修复)从文件句柄一次读取超过 2-4 GB(该问题的不可修复版本也出现在 32 位版本的 Python 上，它们只是缺少虚拟地址空间来读取数据)分配缓冲区；与 I/O 无关，但最常见的是占用大文件)。可用于散列的解决方法是以固定大小的 block 来更新散列(无论如何，这是一个好主意，因为依赖 RAM 大于文件大小是一个糟糕的主意)。最直接的方法是将代码更改为:

with open(file, 'rb') as f:
    hasher = hashlib.sha256()  # Make empty hasher to update piecemeal
    while True:
        block = f.read(64 * (1 << 20)) # Read 64 MB at a time; big, but not memory busting
        if not block:  # Reached EOF
            break
        hasher.update(block)  # Update with new block
print('SHA256 of file is %s' % hasher.hexdigest())  # Finalize to compute digest

如果你喜欢，你可以使用两个参数 iter 和一些 functools 魔法来“简化”循环，替换整个 while 循环:

for block in iter(functools.partial(f.read, 64 * (1 << 20)), b''):
    hasher.update(block)

或者在 Python 3.8+ 上，使用 the walrus operator, :=它更简单，不需要导入或不可读的代码:

while block := f.read(64 * (1 << 20)):  # Assigns and tests result in conditional!
    hasher.update(block)