如何在Python中生成跨运行一致的固定长度字符串映射ID？

问题根源 #

Python内置的hash()函数每次程序启动都会加入随机盐值，导致同一字符串的哈希结果在不同运行环境中不一致，无法满足你的需求。需要用确定性哈希算法，结合可选的持久化映射来保证ID的一致性。

方案一：确定性哈希生成固定ID #

利用MD5、SHA这类标准哈希算法，它们的计算结果固定不变，不会随程序运行变化，同时可转换为指定长度的数值ID。

import hashlib

def generate_fixed_id(s, id_length=7):
    # 将字符串编码后生成MD5哈希（用SHA-256可进一步提升安全性）
    hash_obj = hashlib.md5(s.encode('utf-8'))
    # 把哈希值从16进制字符串转成整数
    hash_int = int(hash_obj.hexdigest(), 16)
    # 取模得到指定长度的数值ID，7位对应范围0-9999999
    return hash_int % (10 ** id_length)

# 应用到DataFrame
df['ID'] = df['STR'].apply(generate_fixed_id)

优势：无需额外存储，实现简单；哈希结果不可逆，不会泄露原字符串内容。
注意：MD5碰撞概率极低，但如果你的字符串数量接近10^7（7位ID的总可能数），存在极小冲突风险，此时可改用更长ID或结合方案二。

方案二：持久化ID映射（推荐长期维护场景） #

通过将已生成的ID映射存储到文件中，确保新增字符串时原有ID完全不变，同时彻底避免哈希冲突。

import hashlib
import json
import os

# 存储ID映射的文件路径，可自定义
ID_MAP_PATH = 'str_to_id.json'

def load_id_map():
    # 加载已有的ID映射
    if os.path.exists(ID_MAP_PATH):
        with open(ID_MAP_PATH, 'r', encoding='utf-8') as f:
            return json.load(f)
    return {}

def save_id_map(id_map):
    # 保存更新后的ID映射
    with open(ID_MAP_PATH, 'w', encoding='utf-8') as f:
        json.dump(id_map, f, ensure_ascii=False, indent=2)

def generate_persistent_id(s, id_map, id_length=7):
    # 字符串已有ID则直接返回
    if s in id_map:
        return id_map[s]
    
    # 生成新ID，哈希冲突时自动调整
    hash_obj = hashlib.md5(s.encode('utf-8'))
    hash_int = int(hash_obj.hexdigest(), 16)
    new_id = hash_int % (10 ** id_length)
    
    # 处理极端冲突情况
    while new_id in id_map.values():
        hash_int += 1
        new_id = hash_int % (10 ** id_length)
    
    # 更新映射并返回ID
    id_map[s] = new_id
    return new_id

# 实际使用流程
id_map = load_id_map()
df['ID'] = df['STR'].apply(lambda x: generate_persistent_id(x, id_map))
save_id_map(id_map)

优势：完全保证原有ID不随新增内容改变；彻底避免哈希冲突；跨多数据帧使用时，只要加载同一个映射文件，ID就能保持一致。
注意：需妥善维护映射文件，避免误删除；若字符串数量极大，可改用数据库存储映射而非JSON文件。

内容的提问来源于stack exchange，提问作者weva0121