我想将 Windows 路径名转换为唯一整数。
例如：
对于路径名 C:\temp\a.out，如果我添加所有字符的 ascii 值，我得到 1234。但其他一些路径也可以生成相同的数字。那么，为不同的路径名生成唯一编号的最佳方法是什么？
chappar
问问题
1391 次
9 回答
12
查看哈希函数。确保在执行散列时考虑大多数 Windows 文件名不区分大小写的特性。
最有可能的是，您使用的语言提供了一个库函数（或函数集合），它可以获取字符串（或只是数据）的哈希值。 SHA1很受欢迎，并且碰撞率低。
在 Stackoverflow 上有很多关于哈希函数的问题。为了让您开始，只需搜索“散列函数”。对于您的情况，这可能是一个有用的 SO 问题：什么是高性能字符串散列函数，可以产生低冲突率的 32 位整数？.
于 2009-01-16T17:30:13.377 回答
8
可能的路径名比整数多，因此您不能拥有真正的唯一性。你可以接受像 MD5 哈希这样的东西。
于 2009-01-16T17:30:22.330 回答
2
于 2009-01-16T17:31:14.560 回答
2
是的，您需要使用某种散列函数，因为输入的域大于输出的范围。换句话说，几乎可以肯定，有效路径名比目标语言数据类型中可表示的数字多。
所以不可能完全避免碰撞。如果此保证对您的应用程序至关重要，您将无法通过转换为整数来实现。
于 2009-01-16T17:32:08.833 回答
1
像这样的事情怎么样：为每个目录级别使用（字符串-> n 位）的哈希值。为 10 个目录级别中的每一个分配 20 位显然不会扩展，但可能是可伸缩级别的位，假设最低的目录级别将是最多的 -
例如，如果你有（从根）/A/B/C/D/E/F，输出某种 n 位数字，其中
位 n/2 - n 散列 F
位 n/4 - n/2 位散列 E
n/8 - n/4 位散列 D
等等等等
于 2009-01-16T18:20:29.610 回答
0
如果这是在 Unix 上，你可以抓住它的 inode 号。ls -i 在命令行上显示它。stat()命令允许您从程序中检索它。
软链接将显示为同一个文件，而硬链接将显示为不同的文件。这可能是也可能不是您想要的行为。
我看到很多人在谈论哈希。这可能有效，但理论上，如果您的哈希所做的不仅仅是压缩文件名中不允许的整数值，那么您可能会发生冲突。如果这对您来说是不可接受的，那么您的哈希值总是几乎与文件名一样多。此时，您不妨只使用文件名。
于 2009-01-16T17:50:26.173 回答
0
对于所有人说“这是不可能的，因为你有比整数更多的可能路径来存储它们”：不。张贴者从未指定实现语言；一些语言支持任意长度的整数。以 Python 为例。
假设我们将 32,000 个字符路径作为其他评论之一中提到的限制。如果我们有 256 个不同的字符用于路径，我们会得到：
Python 2.5.1 (r251:54863, May 18 2007, 16:56:43)
[GCC 3.4.4 (cygming special, gdc 0.12, using dmd 0.125)] on cygwin
Type "help", "copyright", "credits" or "license" for more information.
>>> 32000L**256L
20815864389328798163850480654728171077230524494533409610638224700807216119346720596024478883464648369684843227908562015582767132496646929816279813211354641525848259018778440691546366699323167100945918841095379622423387354295096957733925002768876520583464697770622321657076833170056511209332449663781837603694136444406281042053396870977465916057756101739472373801429441421111406337458176000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000L
>>>
请注意 Python 是如何表示它的？是的，可能有更好的方法来做到这一点，但这并不意味着它是不可能的。
编辑： rjack 指出它实际上是 256^32000，而不是相反。Python 仍然可以很好地处理它。性能可能会有一些不足之处，但说它在数学上不可能是错误的。
于 2009-01-16T18:06:19.823 回答
0
可能的路径名比整数多，因此您不能拥有真正的唯一性。你可以接受像 MD5 哈希这样的东西。
我认为没有比整数更多的可能路径名。作为从路径名创建唯一数字的结构，我们可以将每个字母转换为（两位数）数字（所以从 10-25,26=.，然后是其他特殊字符，27 是 /——假设有少于 89 个不同的字符，否则，我们可以移动到三位编码）
home/nlucaroni/documents/cv.pdf
1724221427232130121027242318271324122827123136251315
这形成了一个双射（虽然，如果你只计算有效的路径名，那么满射属性就会失败，但通常人们并不关心那个持有）——想出一个不是整数的路径。
这个数字显然不适合 64_bit unsigned int（最大值为 18446744073709551615），所以它不实用，但这不是我回答的重点。
于 2009-01-16T18:22:09.497 回答
0
您可以在此处阅读Best way to determine if two path reference to the same file in C# how you can uniquely identify a path。您需要三个数字（dwVolumeSerialNumber、nFileIndexHigh 和 nFileIndexLow），也许您可以将这三个数字组合成一个具有三倍多位的新数字。另请参阅此处：您最喜欢的 C# 扩展方法是什么？（codeplex.com/extensionoverflow）。
于 2009-01-16T18:22:12.647 回答