我需要用Python编写代码比较两份文档的文本，使用指纹技术

Question

我需要用Python语言写代码，来比较文档的内容，使用的是指纹技术。我不知道怎么给文档生成指纹，也不知道怎么提取文档的指纹。请问有没有人知道这个方法，或者有生成文档指纹的源代码，指纹是以二进制形式存储的。

Answer 1

如果你想要生成消息摘要（也就是加密哈希），可以使用 hashlib 这个库。下面是一个例子（在 IPython 环境中）：

 In [1]: import hashlib

 In [2]: md = hashlib.sha256(open('/tmp/Calendar.xls', 'rb').read())

 In [3]: md.hexdigest()
 Out[3]: '8517f1eae176f1a20de78d879f81f23de503cfd6b8e4be1d798fb2342934b187'

Answer 2

你可以看看以下这些论文，来了解指纹识别的概念：

• Winnowing: 本地算法用于文档指纹识别
• 可扩展的文档指纹识别