能否替换Python字典的内置hash()方法以实现自定义哈希？

我正在编写一个利用局部敏感哈希（Locality Sensitivity Hashing）和CityHash对字符串（Kmers）进行双重哈希的程序，用于检测长基因序列间的相似性。目前已实现核心功能，但希望通过修改Python字典的固有哈希逻辑、使用自定义DoubleHash函数来提升效率并减少冗余。我已实现继承UserDict的CustomDict类，现想了解是否可以直接替换Python内置的hash()方法，而非仅通过继承字典类实现。

相关代码如下：

DoubleHash函数 #

def DoubleHash(self, rawShingle: str) -> int:
    '''
    Subsampling the shingle and hashing it to yield the same hash value for very similar shingles
    '''
    
    subSet = ''
    for i in self.randList:
        subSet += rawShingle[i]

    hash_value = CityHash32(subSet)
    
    return hash_value

其中self.randList是抽取原字符串子样本的随机索引列表，目的是刻意制造哈希碰撞，让相似字符串映射到同一哈希值。

CustomDict类 #

class CustomDict(UserDict):

    def __setitem__(self, key, value) -> None:
        '''
        Sets Hash:[Kmer, ] pair to dictionary
        '''
        key = CityHash32(key)
        if key in self.data:
            self.data[key].append(value)
        else:
            self.data[key] = [value, ]
        return

    def __getitem__(self, key: int) -> list:
        '''
        Gets list of Kmers corresponding to Hash
        '''
        try:
            return self.data[key]
        except KeyError:
            pass
        raise KeyError(key)

    def __getkey__(self, value: list) -> int:
        '''
        Gets Hash corresponding to list of Kmers
        '''
        for i, k in enumerate(self.data.keys()):
            if value in self.data[k]:
                index = i
                break
        return list(self.data.keys())[index]

不能直接替换Python全局的内置hash()方法，原因如下：

• hash()是Python全局内置函数，修改它会影响所有依赖哈希逻辑的内置结构（如dict、set、frozenset等），引发不可预料的全局行为，严重时会破坏整个程序的稳定性。
• 全局修改会污染命名空间，干扰其他模块、第三方库的正常运行，这在实际开发中是严格不推荐的做法。

针对你的需求，推荐以下两种更合理的实现方案：

1. 基于现有CustomDict类改造 #

你当前继承UserDict的思路是可行的，只需将__setitem__中的CityHash32替换为自定义的DoubleHash函数，即可让字典内部使用目标哈希逻辑，且不会影响其他代码：

def __setitem__(self, key, value) -> None:
    '''
    Sets Hash:[Kmer, ] pair to dictionary
    '''
    key = self.DoubleHash(key)  # 替换为自定义DoubleHash
    if key in self.data:
        self.data[key].append(value)
    else:
        self.data[key] = [value, ]
    return

这种方式隔离性强，仅在你的自定义字典类中生效，不会干扰全局代码。

2. 自定义Key类并重载__hash__方法 #

如果不想继承字典，可给Kmer字符串包装一个自定义类，在类内重载__hash__方法使用DoubleHash，同时重载__eq__方法配合局部敏感哈希的逻辑（哈希碰撞后需判断是否真的“相似”）：

class KmerKey:
    def __init__(self, kmer: str, randList):
        self.kmer = kmer
        self.randList = randList
    
    def __hash__(self):
        subSet = ''.join([self.kmer[i] for i in self.randList])
        return CityHash32(subSet)
    
    def __eq__(self, other):
        # 根据需求定义“相似”判断逻辑，示例为比较子样本是否一致
        if not isinstance(other, KmerKey):
            return False
        self_sub = ''.join([self.kmer[i] for i in self.randList])
        other_sub = ''.join([other.kmer[i] for i in other.randList])
        return self_sub == other_sub

之后使用普通Python字典时，直接用KmerKey实例作为key即可，字典会自动调用你重载的__hash__和__eq__方法。

额外注意事项 #

• 局部敏感哈希的核心是刻意制造碰撞，但必须保证__eq__方法与哈希逻辑匹配，否则字典会出现逻辑错误（如哈希相同但实际不应视为“相等”的情况）。
• 当前CustomDict的__getkey__方法效率极低（遍历所有键），若需频繁反向查询（从Kmer列表找哈希），建议维护一个反向字典存储映射关系，提升查询速度。

内容的提问来源于stack exchange，提问作者Visnu S Pandian