python实现字符串加密 生成唯一固定长度字符串
背景
有时候爬虫爬过的url需要进行指纹核对,比如Scrapy就是进行指纹核对,如果是指纹重复则不再爬取。当然在入库的时候我还是需要做一次核对,否则如果爬虫有漏掉,进入数据库就不合适了。
思路
根据Scrapy的指纹生成方式,这次的指纹生成方式也是用hash的MD5对目标URL进行加密,生成固定长度的字符串,然后在数据库里面将字段设置成unique,这样的话在保证url固定长度的情况下还能够保证入库后的唯一性,进最大努力避免出现重复的数据。
指纹生成代码
新建一个文件,然后在里面编写指纹生成的方法,在使用的时候fromimport进来,调用方法即可。代码为:
importhashlib defget_md5(url): """ 由于hash不处理unicode编码的字符串(python3默认字符串是unicode) 所以这里判断是否字符串,如果是则进行转码 初始化md5、将url进行加密、然后返回加密字串 """ ifisinstance(url,str): url=url.encode("utf-8") md=hashlib.md5() md.update(url) returnmd.hexdigest()
为了验证代码的可用性,再加上代码:
if__name__=="__main__": urls="http://www.baidus.com" print(get_md5(urls))
在本地运行无误,再把下面这串删除。等到调用的时候fromimportget_md5把文件和方法引入,就可以使用了
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。