Pythonでファイルのハッシュ値を計算する方法【hashlib活用ガイド】

Pythonでファイルのハッシュ値を計算するには、標準ライブラリの hashlib を使用します。

ファイルサイズは非常に大きくなる場合があるため、ファイル全体を一括でメモリに読み込むのは避けたほうがよいでしょう。バッファ（buffer）を使ってデータを小さなチャンク（塊）単位で読み込みながら処理することで、メモリを節約しつつ効率的にハッシュ値を計算できます。バッファサイズは任意の値を指定可能です。

コード例

以下の例では、32KBずつファイルを読み込みながら、MD5とSHA1の2種類のハッシュ値を同時に計算しています。

import sys
import hashlib

BUF_SIZE = 32768  # 32KBずつファイルを読み込む
md5 = hashlib.md5()
sha1 = hashlib.sha1()

with open('program.cpp', 'rb') as f:
    while True:
        data = f.read(BUF_SIZE)
        if not data:
            break
        md5.update(data)
        sha1.update(data)

print("MD5: {0}".format(md5.hexdigest()))
print("SHA1: {0}".format(sha1.hexdigest()))

処理の流れ

• open('program.cpp', 'rb')：ファイルをバイナリ読み込みモード（'rb'）で開きます。テキストモードではなくバイナリモードを使うのがポイントです。
• f.read(BUF_SIZE)：指定したサイズ（ここでは32KB）ずつデータを読み込みます。
• update(data)：読み込んだチャンクをハッシュオブジェクトに順次渡します。複数回呼び出しても、全体をつなげたデータに対するハッシュが計算されます。
• hexdigest()：最終的なハッシュ値を16進数の文字列として取得します。

出力結果

このプログラムを実行すると、以下のような出力が得られます。

MD5: 7481a578b20afc6979148a6a5f5b408d
SHA1: f7187ed8b258baffcbff2907dbe284f8f3f8d8c6

補足：より安全なアルゴリズムを選ぼう

MD5やSHA1は高速ですが、現在では暗号学的な安全性の面で脆弱性が指摘されています。セキュリティ目的（改ざん検知など）で使用する場合は、より強度の高い hashlib.sha256() や hashlib.sha3_256() の利用を検討しましょう。使い方は上記のコードとまったく同じで、ハッシュオブジェクトを作成する行を置き換えるだけで対応できます。