Java中MessageDigest类使用、哈希重复问题及长度限制咨询

嘿，我来帮你排查下所有字符串返回相同哈希值的问题，顺便解答如何限制哈希值字符数量的疑问～

一、为什么所有字符串返回相同哈希值？ #

最常见的原因有这几个，你可以对照自己的代码排查：

1. 错误的哈希结果转换方式 #

很多人会犯一个错：把MessageDigest生成的二进制字节数组直接转成String，比如new String(hashBytes)。但MD5的哈希是16字节的二进制数据，里面包含大量不可打印的控制字符，转成String后要么显示乱码，要么看起来“相同”。正确的做法是把二进制转换为十六进制字符串（这才是我们平时看到的MD5哈希格式，比如32位的字符）。

2. 复用MessageDigest实例时状态污染 #

虽然digest()方法会自动重置MessageDigest的状态，但如果你在循环或多次调用中复用同一个实例，且中间的update()或其他操作没处理好，可能会导致状态混乱。最稳妥的方式是每次处理新输入时都创建新的MessageDigest实例，或者显式调用reset()方法重置状态。

3. 字符编码未指定 #

调用input.getBytes()时如果没指定编码，不同环境下默认编码可能不同，导致同一字符串转成的字节数组不一致。虽然这一般不会导致所有结果相同，但也是个需要注意的细节，建议指定UTF-8编码：input.getBytes(StandardCharsets.UTF_8)。

正确的MD5哈希示例代码

import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.math.BigInteger;
import java.nio.charset.StandardCharsets;

public class MD5Example {
    public static String generateMD5(String input) throws NoSuchAlgorithmException {
        // 每次创建新的MessageDigest实例，避免状态污染
        MessageDigest md = MessageDigest.getInstance("MD5");
        // 指定UTF-8编码转换字节数组
        byte[] hashBytes = md.digest(input.getBytes(StandardCharsets.UTF_8));
        
        // 转换为十六进制字符串
        BigInteger bigInt = new BigInteger(1, hashBytes);
        String hexHash = bigInt.toString(16);
        
        // 补全前导零，确保是标准的32位MD5哈希
        while (hexHash.length() < 32) {
            hexHash = "0" + hexHash;
        }
        return hexHash;
    }

    public static void main(String[] args) throws NoSuchAlgorithmException {
        System.out.println(generateMD5("hello")); // 输出5d41402abc4b2a76b9719d911017c592
        System.out.println(generateMD5("world")); // 输出7d793037a0760186574b0282f2f435e7
    }
}

二、如何限制哈希值的字符数量？ #

哈希算法（比如MD5）的输出长度是固定的（MD5对应32个十六进制字符）。如果要缩短长度，只能对结果进行截断，但要注意：截断会增加哈希碰撞的概率（不同输入可能得到相同的短哈希），你需要根据使用场景权衡风险。

常见的实现方式：

• 直接截断十六进制字符串：最简单的方式，比如取前16位或者后16位：

  String fullHash = generateMD5("your-input");
  String shortHash = fullHash.substring(0, 16); // 取前16位字符
  

• 使用更短的哈希算法：如果对安全性要求不高，可以选择本身输出更短的算法，比如CRC32（生成8个十六进制字符），或者SHA-1（40个字符）后再截断。
• 数值取模转换：把哈希的字节数组转换为大整数，然后对某个数值取模，再转成字符串。不过这种方式不如直接截断直观，适合需要固定范围数值的场景。

如果是用于缓存键、简单标识等场景，截断通常是可以接受的；如果是用于数据校验、安全验证等场景，建议谨慎考虑，或者选择更安全的短哈希算法。

内容的提问来源于stack exchange，提问作者aspire29