如果你曾用 hash 來比較兩個 NSString 是否相同,請小心——蘋果官方文件並未承諾 -hash 的輸出唯一,實測顯示在若干特定條件下,兩個內容完全不同的字串會得到一模一樣的 hash 值。
根據社群的歸納,比較兩個不同 NSString 的 [a hash] 與 [b hash] 只有在下列條件同時成立時才是安全的:
[a length] 與 [b length] 不同;否則,落在第一段與中段之間、以及中段與末段之間的所有差異,都不會參與 hash 值的計算。這正是長字串容易碰撞的原因:演算法只取樣了頭、中、尾三段,中間絕大部分內容被忽略了。
我的做法是放棄 hash,改用 SHA1 對**整個字串**取摘要,如此得到的指紋涵蓋了每一個位元組。做法靈感來自 Saurabh Sharma 的 SHA1 分類。
- (NSString *)sha1 {
NSData *data = [self dataUsingEncoding:NSUTF8StringEncoding];
uint8_t digest[CC_SHA1_DIGEST_LENGTH];
CC_SHA1(data.bytes, data.length, digest);
NSMutableString *output = [NSMutableString stringWithCapacity:CC_SHA1_DIGEST_LENGTH * 2];
for (int i = 0; i < CC_SHA1_DIGEST_LENGTH; i++) {
[output appendFormat:@"%02x", digest[i]];
}
return output;
}
實際案例:我用「資源的完整 URL」計算 SHA1,作為快取檔名。改山之後就再也沒有碰撞問題了。
Step 1:引入 CommonCrypto 的 CommonDigest.h
#import <CommonCrypto/CommonDigest.h>
Step 2:實作
SHA1:
- (NSString *)sha1:(NSString *)input {
const char *cstr = [input cStringUsingEncoding:NSUTF8StringEncoding];
NSData *data = [NSData dataWithBytes:cstr length:input.length];
uint8_t digest[CC_SHA1_DIGEST_LENGTH];
CC_SHA1(data.bytes, data.length, digest);
NSMutableString *output = [NSMutableString stringWithCapacity:CC_SHA1_DIGEST_LENGTH * 2];
for (int i = 0; i < CC_SHA1_DIGEST_LENGTH; i++)
[output appendFormat:@"%02x", digest[i]];
return output;
}
MD5:
- (NSString *)md5:(NSString *)input {
const char *cStr = [input UTF8String];
unsigned char digest[16];
CC_MD5(cStr, strlen(cStr), digest);
NSMutableString *output = [NSMutableString stringWithCapacity:CC_MD5_DIGEST_LENGTH * 2];
for (int i = 0; i < CC_MD5_DIGEST_LENGTH; i++)
[output appendFormat:@"%02x", digest[i]];
return output;
}
需要「唯一識別」時,請不要依賴 -hash。改用 SHA1、SHA256 這類加密雜湊函式,並以 UTF-8 編碼後的位元組長度(data.length)而非字元數作為長度參數,才能拿到穩定且低碰撞的結果。另外提醒:MD5 已不適合任何安全性用途,若只是當快取檔名尚可,涉及簽章或驗證請一律使用 SHA-256 以上。