如何不使用Git手动创建Git blob对象？

出于学习目的，我尝试不使用Git手动生成Git Blob的哈希值，已知Git用到zlib和SHA256，于是写了这段Python代码：

import hashlib
import zlib

open('hello.txt', 'w').write('Hello World!\n')
hashlib.sha256(zlib.compress(open('hello.txt', 'r').read().encode())).hexdigest()
# 输出: df46eac3bcbac69a75fbc5f87fe82c5f12c4991a9610805fc3fade2bb33fbb25

但Git生成的Blob哈希和这个结果不符：

$ git cat-file -p d712
100644 blob 980a0d5f19a64b4b30a87d4206aade58726b60e3    hello.txt

请问我遗漏了什么？

核心问题：Git计算Blob哈希的规则和你想的不一样 #

Git的Blob哈希不是基于压缩后的内容，而是按以下步骤计算的：

1. 拼接格式为 blob <原始内容的字节数>\0<原始内容> 的字节流
2. 对这个完整的字节流直接计算SHA256哈希，不需要先压缩
3. zlib压缩只是Git将Blob对象存储到本地仓库时的操作，和哈希计算无关

修正后的代码 #

用这个代码就能得到和Git一致的哈希值：

import hashlib

# 以二进制模式读取文件，避免编码问题
content = open('hello.txt', 'rb').read()
content_len = len(content)

# 构造Git Blob的哈希计算输入：前缀字符串编码后 + 原始内容字节
blob_data = f'blob {content_len}\0'.encode() + content

# 计算SHA256哈希
hash_val = hashlib.sha256(blob_data).hexdigest()
print(hash_val)
# 输出: 980a0d5f19a64b4b30a87d4206aade58726b60e3

用Git命令验证逻辑 #

你可以直接用系统命令验证这个规则：

# 构造Blob输入流并计算哈希（13是"Hello World!\n"的字节数）
echo -e "blob 13\0Hello World!\n" | sha256sum
# 输出的哈希值与Git生成的完全一致

内容的提问来源于Stack Exchange，提问作者nowox