Python中如何为字符串生成一一对应的唯一ID

首先踩坑预警：绝对不要用Python内置的hash()函数做这个事。这个函数默认开启进程级随机加盐，同一个字符串在不同Python进程、不同次启动下生成的哈希值完全不一样，而且哈希长度短，本身就存在不低的碰撞概率，完全不符合唯一绑定的要求。

根据业务安全等级，可以直接选用下面两种成熟实现： #

普通业务场景（无恶意碰撞风险） #

如果只是内部业务做字符串和ID的映射，没人会恶意构造字符串撞ID，直接用SHA-256这类密码学安全哈希就行，抗碰撞能力足够强——按目前全球总算力，算到太阳毁灭都很难碰到两个不同字符串生成同一个SHA256值的情况，完全能满足唯一绑定要求。

import hashlib

def gen_str_id(origin_str: str) -> str:
    # 全局统一用UTF-8编码，避免不同环境编码差异导致同串生成ID不一致
    str_bytes = origin_str.encode("utf-8")
    # 生成十六进制格式的哈希值作为ID，需要短ID可以后续做base62编码，别直接截断哈希值
    return hashlib.sha256(str_bytes).hexdigest()

def check_str_match(origin_str: str, target_id: str) -> bool:
    # 只有传入字符串生成的ID和目标ID完全相等才判定匹配
    return gen_str_id(origin_str) == target_id

高安全场景（需防恶意伪造、碰撞） #

如果场景下存在第三方恶意构造字符串撞ID的风险，就不要用裸哈希，改用带服务端私钥的HMAC算法：私钥只有服务端自己持有，不知道私钥的人既没法通过ID反推原始字符串，也没法构造出能匹配目标ID的其他字符串。

import hmac
import hashlib
import os

# 密钥不要硬编码在代码里，生产环境从环境变量读取，严禁外泄
SERVER_SECRET = os.getenv("STR_ID_SECRET", "replace_me_with_prod_secret").encode("utf-8")

def gen_secure_str_id(origin_str: str) -> str:
    str_bytes = origin_str.encode("utf-8")
    return hmac.new(SERVER_SECRET, str_bytes, hashlib.sha256).hexdigest()

def check_secure_str_match(origin_str: str, target_id: str) -> bool:
    # 用hmac自带的常量时间比较方法，避免时序攻击漏洞
    return hmac.compare_digest(gen_secure_str_id(origin_str), target_id)

注意事项：

• 不要使用MD5、SHA1这类已经被证实存在碰撞漏洞的哈希算法
• 不要为了缩短ID直接截断哈希值，否则会大幅提升碰撞概率，需要短ID可以对完整哈希值做base62/base64转码
• 字符串编码必须全局统一，否则同个字符串在GBK、UTF-8不同编码下生成的ID会完全不一致

内容的提问来源于stack exchange，提问作者Karamjeet Singh