python - python on-the-fly md5 作为一个读取流

Question

python 3是否具有制作过滤流的结构？特别是，我的目标是计算从带有请求的 REST 服务读取的内容的 md5 校验和，而无需制作额外的副本。如果我可以子类化某种过滤器流并将字节推入一个 hashlib 派生的 md5 对象，我会很好。

目前，我的代码包括：

shutil.copyfileobj(r.raw, outstream)

其中 'r' 是响应对象。我可以在 r.raw 周围包装一个生成器或一些类似的东西，它将在每个读取的数据缓冲区中调用，以便我可以将它传递给 md5？

Answer 1

requests支持以块的形式读取 URL 数据，并且该hashlib库允许您以块的形式计算 MD5，因此您已经拥有所需的一切。您可以选择.iter_lines()或.iter_content()：

import requests
import hashlib

r = requests.get(url, stream=True)

sig = hashlib.md5()
for line in r.iter_lines():
    sig.update(line)

print(sig.hexdigest())

如果您必须将其视为过滤器，请使用生成器：

class MD5TransparentFilter:
    def __init__(self, source):
        self._sig = hashlib.md5()
        self._source = source

    def __iter__(self):
        for line in self._source:
            self._sig.update(line)
            yield line

    def hexdigest(self):
        return self._sig.hexdigest()

然后在您的.iter_lines()或.iter_content()迭代器上使用它：

r = requests.get(url, stream=True)
filtered = MD5TransparentFilter(r.iter_content(1000))

for line in filtered:
    # do something with the line

print(filtered.hexdigest())

因为shutil.copyfileobj()您需要实现.read()接口而不是.__iter__()，但原理是相同的：

class MD5TransparentFile:
    def __init__(self, source):
        self._sig = hashlib.md5()
        self._source = source

    def read(self, buffer):
        # we ignore the buffer size, just use the `.next()` value in the source iterator
        try:
            line = self._source.next()
            self._sig.update(line)
            return line
        except StopIteration:
            return b''

    def hexdigest(self):
        return self._sig.hexdigest()

该类MD5TransparentFile()采用您的.iter_content()或.iter_lines()迭代器，并在每次调用时从该迭代器返回数据，并.read()即时计算 MD5。这可以直接用于您的shutil.copyfileobj()示例。