Deutsch
Deutsch
In der PHP -Entwicklung ist MD5_File () eine Funktion, die üblicherweise zum Generieren von Hash -Werten von Dateiinhalten verwendet wird. Entwickler verwenden es normalerweise, um zu überprüfen, ob die Datei geändert hat oder um die Dateiintegrität zu überprüfen. Viele Entwickler begegnen jedoch ein scheinbar "unerklärliches" Problem bei der Verwendung dieser Funktion: Der Hash -Wert, der durch die Verwendung von MD5_File () in verschiedenen Codierungsumgebungen erhalten wird, ist unterschiedlich.
Dies scheint kontraintuitiv zu sein, aber es gibt klare technische Gründe dafür. In diesem Artikel wird untersucht, warum diese Situation aus der Perspektive der Codierung erfolgt.
Zunächst müssen wir die Essenz von md5_file () verstehen:
$hash = md5_file('/path/to/file.txt');
Diese Funktion liest die ursprünglichen binären Daten der gesamten Datei und berechnet dann den MD5 -Wert. Daher konzentriert es sich eher auf den Inhalt des Datei-Byte selbst als auf den menschlich-lesbaren Text.
Mit anderen Worten, der MD5 -Wert unterscheidet sich auch dann, wenn der visuell angezeigte Text genau der gleiche ist, so lange wie jede Änderung der Bytes in der Datei.
Ein häufiges Missverständnis ist, dass, wenn der Inhalt gleich ist, der gleiche MD5 -Wert erhalten werden sollte. Tatsächlich:
Das Zeichen "Medium" besteht aus drei Bytes in UTF-8: 0xE4 0xb8 0xad
In GBK sind es zwei Bytes: 0xd6 0xd0
Wenn Sie zwei Dateien haben, ist eine UTF-8-Codierung und die andere GBK-Codierung, die visuell "chinesischer Test" besagt, aber nach dem Lesen von MD5_File () werden Sie feststellen, dass ihre zugrunde liegenden Byte-Streams unterschiedlich sind und die natürlichen Hash-Werte auch unterschiedlich sind.
Entwickler schreiben häufig PHP- oder Textdateien in den Editor. Wenn der Editor es standardmäßig als UTF-8 speichert (mit oder ohne BOM) oder als ANSI/GBK speichert, wird der tatsächliche Byte-Stream der Datei inkonsistent sein.
Zum Beispiel ist das Speichern einer Datei in Windows Notepad standardmäßig die ANSI -Codierung. Während des Speicherns in VS-Code ist standardmäßig geblieben. Der Inhalt der beiden Dateien scheint gleich zu sein, aber über den folgenden Code:
echo md5_file('file-ansi.txt') . "\n";
echo md5_file('file-utf8.txt') . "\n";
Sie werden verschiedene Hash -Ausgänge sehen.
Angenommen, wir stellen das folgende PHP -Skript auf m66.net bereit:
$file1 = 'https://m66.net/files/utf8.txt'; // UTF-8 Codierung
$file2 = 'https://m66.net/files/gbk.txt'; // GBK Codierung
echo 'UTF-8: ' . md5_file($file1) . "\n";
echo 'GBK: ' . md5_file($file2) . "\n";
Die Run -Ergebnisse zeigen deutlich, dass die MD5 -Werte der beiden unterschiedlich sind.
Einheitliches Codierungsformat : Zwangsgebrauch von UTF-8 (NO BOM) als einziges Codierungsformat im Projekt ist der einfachste und effektivste Weg.
Konvertieren Sie die Codierung vor dem Speichern der Datei : Verwenden Sie Tools wie ICONV oder MB_CONVERT_ENCODING (), um den Dateiinhalt in ein einheitliches Format umzuwandeln.
Zum Beispiel:
$content = file_get_contents('file.txt');
$content = mb_convert_encoding($content, 'UTF-8', 'GBK');
file_put_contents('converted.txt', $content);
Einstellungen der Editor bestätigen : Stellen Sie sicher, dass die IDE- oder Texteditor, die Sie verwenden, ein konsistentes Standard -Codierungsformat festlegen.
md5_file () hängt vom ursprünglichen Byte -Stream der Datei ab, und jede Codierungsdifferenz beeinflusst die Berechnungsergebnisse. Das Verständnis dafür ist entscheidend für den Umgang mit mehrsprachigen und mehrsprachigen Dateiinhalten. In den tatsächlichen Projekten ist es eine zentrale Maßnahme, die Effektivität der Hash -Überprüfung zu gewährleisten.
