在PHP中比较文件校验和

我正在写一个文件上传网站，并对节省空间感兴趣。如果用户上传了一个文件，我想确保这个文件以前没有上传过（如果已经上传过，我只会指向数据库中的现有文件）

---

我正在考虑在文件上使用

sha1_file（）

，检查数据库以查看摘要数据库中是否存在摘要。然后我想起了鸽子洞原则，并决定检查未消化的文件，如果有一个sha1摘要匹配

这对我来说似乎效率低下。我想我可以在校验和匹配的情况下检查每个文件的第一个KB

我没有过多考虑RAM与ROM的价值，检查文件所需的处理能力可能比我节省的存储空间更贵

---

这种方法有什么缺点吗？我是不是在浪费时间呢？

你可以使用

md5（文件数据）

来生成文件名，而且永远不可能用不同的名称上传同一个文件。唯一的问题是，在技术上可能两个不同的文件生成相同的MD5，但它不太可能，特别是如果两个文件具有相同的扩展，那么您可以认为这是一个非问题。在这个示意图下，甚至没有理由检查。如果两个哈希值相同，它只会覆盖存储的文件。这就是大多数文件存储引擎在内部的工作方式，例如。如果您对冲突心存疑虑，您可以首先查看文件是否存在计算出的哈希和扩展名，如果存在，您可以将存储的文件的数据与尝试存储的文件的数据进行比较。如果数据不相等，您可以让它通过电子邮件通知您

$data = file_get_contents('flowers.jpg');

$name = md5($data).'.jpg';

$fh = fopen($name,'w+');

fwrite($fh,$data);

fclose($fh);

---

“我是不是在浪费我的时间来处理这个问题？”-这取决于成本/收益比率。但从学术角度来看，这个问题似乎很有趣。“然后我想起了鸽子洞原理，决定检查未消化的文件，如果有sha1摘要匹配的话。”-你能更好地解释一下吗。我不明白你的意思。您没有使用散列数据库，只是每次比较文件？如果文件相似，则其大小必须相等。每个文件系统都可以提供文件大小，这是一种廉价的操作。找到大小相同的文件，然后比较散列。鸽子洞原理适用于冲突。如果我有两个大小为32kB的文件和一个生成64B输出的哈希算法，则冲突的可能性比我的输出为512B时要高。我可能会使用检查文件大小、检查整个文件摘要的组合，然后在发生冲突时检查文件本身。想想看——Facebook使用多个摘要作为图像名称。我猜其中一个是用户ID，但它让我意识到，即使一个哈希算法可能会冲突，另一个可能不会。如果你对碰撞心存疑虑，你可以用CRC之类的快速校验和来消化文件，然后再使用计算强度更高的校验和来消化原始数据；最后，将合并摘要，并将文件另存为。