Python字符串相似性的摘要/哈希
我在寻找一种算法，可以从较长的字符串生成一个短的（比如16个字符，具体长度不重要）哈希码或摘要。
主要要求是，几乎相同的字符串应该生成相同的摘要。
比如这两封几乎相同的邮件：
嗨，马丁。这是一些...垃圾邮件给你。祝好，XYZ。
> AAAA AAAA AAAA AAAA
嗨，博。这是一些...垃圾邮件给你。祝好，EFG。
> AAAA AAAA AAAA AAAA
这两封邮件返回的摘要是相同的（或者几乎相同），而另一封不同的邮件：
你好，芬。这是一封测试邮件。
> CCCC CCCC CCCC CCCC
则会返回一个不同的摘要。
这个算法将用于垃圾邮件过滤器。过滤器会记住那些它确定是垃圾邮件的邮件摘要。如果在一些不确定的邮件中出现了相同的摘要，这个相同的摘要会导致过滤器增加垃圾邮件的评分。
我知道Levenshtein算法，但它需要我事先知道字符串。在这种情况下，我没有这些信息。我可能会有这些信息，但那样的话，过滤器就需要存储所有的垃圾邮件并逐一检查，这样会非常慢。
也许可以尝试一些松散的压缩算法，再结合计算两个字符串之间的Levenshtein距离。
任何建议都非常感谢。