工作上遇到需求，一批手机号要md5加密导出。为了保证数据安全，所以没有采用网上工具来加密。
md5的加密算法是开源的且成熟的，很多语言都有对应包可以直接用，我写了一个简单的python来实现，另一位同事做了一个hiveudf来实现，这里都给大家分享一下。
目标：
读取csv文件，并且对其中的内容进行md5加密，32位加密，将加密后的密文存入另一个csv文件。
python实现：
（1）准备好要读取的csv文件。单列，一行存一个手机号码。
（2）python代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
#encoding=utf8
import hashlib #加密模块
import os
#定义一个加密函数，32位md5加密
def md5_encryption(str):
m=hashlib.md5()
m.update(str)
return m.hexdigest()
#准备要读取的csv和要被写入的csv，两个文件要和此python放在同一个文件夹里
readfilename=os.path.join(os.path.dirname(__file__),"testcsv.csv")
writefilename=os.path.join(os.path.dirname(__file__),"writecsv.csv")
print('read:',readfilename)
print('write:',writefilename)
with open(readfilename,'r') as rf:
#逐行写入加密后的密文，strip函数用于剔除换行符\n，不然是对“13000000\n”加密而不是对“13000000”加密
with open(writefilename,'w') as wf:
for row in rf.readlines():
wf.write(md5_encryption(row.strip()))
wf.write('\n')
#计算一下写入的行数
with open(writefilename,'r') as rwf:
count=0
while 1:
buffer=rwf.read(1024*8192)
if not buffer:
break
count+=buffer.count('\n')
print('line writed number:',count)
|
（3）结果
hive udf 实现：
（1）用java写一个类用来实现加密，用maven打成jar包
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
import org.apache.hadoop.hive.ql.exec.udf;
import org.apache.commons.lang.stringutils;
import java.security.messagedigest;
public class md5 extends udf {
public string evaluate (final string str) {
if (stringutils.isblank(str)){
return "";
}
string digest = null;
stringbuffer buffer = new stringbuffer();
try {
messagedigest digester = messagedigest.getinstance("md5");
byte[] digestarray = digester.digest(str.getbytes("utf-8"));
for (int i = 0; i < digestarray.length; i++) {
buffer.append(string.format("%02x", digestarray[i]));
}
digest = buffer.tostring();
} catch (exception e) {
e.printstacktrace();
}
return digest;
}
public static void main (string[] args ) {
md5 md5 = new md5();
system.out.println(md5.evaluate(" "));
}
}
|
（2）配置一下pom.xml
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
<?xml version="1.0" encoding="utf-8"?>
<project xmlns="http://maven.apache.org/pom/4.0.0"
xmlns:xsi="http://www.w3.org/2001/xmlschema-instance"
xsi:schemalocation="http://maven.apache.org/pom/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelversion>4.0.0</modelversion>
<groupid>hiveudf</groupid>
<artifactid>hiveudf</artifactid>
<version>1.0-snapshot</version>
<dependencies>
<dependency>
<groupid>org.apache.hive</groupid>
<artifactid>hive-exec</artifactid>
<version>0.14.0</version>
</dependency>
<dependency>
<groupid>org.apache.calcite</groupid>
<artifactid>calcite-core</artifactid>
<version>0.9.2-incubating</version>
</dependency>
<dependency>
<groupid>org.apache.calcite</groupid>
<artifactid>calcite-avatica</artifactid>
<version>0.9.2-incubating</version>
</dependency>
<dependency>
<groupid>org.apache.hadoop</groupid>
<artifactid>hadoop-common</artifactid>
<version>2.6.0</version>
</dependency>
</dependencies>
</project>
|
(3)hive中配置udf
导入jar包：
|
1
|
hive> add jar hdfs:/user/udf/hiveudf-1.0-snapshot.jar;
|
新建一个函数：
|
1
|
hive> create temporary function md5 as 'md5';
|
使用:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
hive> select md5('12345');
ok
827ccb0eea8a706c4c34a16891f84e7b
time taken: 0.139 seconds, fetched: 1 row(s)
hive>
hive> select phone,md5(phone) from mid_latong_20200414 limit 5;
ok
1300****436 856299f44928e90****181b0cc1758c4
1300****436 856299f44928e90****181b0cc1758c4
1300****689 771dfa9ef00f43c****4901a3f1d1fa0
1300****689 771dfa9ef00f43c****4901a3f1d1fa0
1300****689 771dfa9ef00f43c****4901a3f1d1fa0
time taken: 0.099 seconds, fetched: 5 row(s)
|
以上就是python和hiveudf两种实现md5加密的方法啦！
补充：python的md5加密的一点坑
曾经在做某ctf题目时，被这点坑，坑了好久。
废话不多说，进入正题。
python md5加密方法
|
1
2
3
4
5
|
import hashlib //导入hash库函数
text = "bolg.csdn.net" //要加密的文本
md5_object = hashlib.md5() //创建一个md5对象
md5_object.update(text) //添加去要加密的文本
print md5_object.hexdigest() //输出加密后的md5值
|
坑在哪？
当你在进行第一次加密时，程序正常输出md5值，但是在同一程序中进行第二次明文加密时，如果你的代码是这样写，就不会得到正确的md5值。
通过对第一张图片和第二张图片的比较，发现如果按照第一张图片的代码进行连续加密时，它实质上是在加密每次明文的叠加。
即第一次加密：csdn
第二次加密:csdnblog
正确做法应该是：
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/IKnowNothinglee/article/details/105576506