Python:random.random（）种子在哪里？

假设我有一些python代码：

import random
r=random.random()

一般来说，r的值是从哪里来的？
如果我的操作系统没有随机，那么它的种子在哪里呢？
为什么不建议将其用于加密？有没有办法知道随机数是什么？

遵循da代码

要查看

random

模块在系统中的位置，您只需在终端中执行以下操作：

>>> import random
>>> random.__file__
'/usr/lib/python2.7/random.pyc'

这为您提供了

.pyc

（“已编译”）文件的路径，该文件通常与原始

.py

并排放置，在那里可以找到可读的代码

让我们看看

/usr/lib/python2.7/random.py中发生了什么：

您将看到，它创建了
Random
类的一个实例，然后（在文件底部）将该实例的方法“升级”为模块函数。巧妙的把戏。当
random
模块被导入到任何地方时，就会创建该
random
类的一个新实例，然后初始化它的值，并将这些方法重新分配为模块的函数，使得它在每次导入（erm…或每个python解释器实例）的基础上都是随机的

这个
Random
类在其
\uuuuu init\uuuuu
方法中所做的唯一一件事就是对其进行种子设定：

class Random(_random.Random):
    ...
    def __init__(self, x=None):
        self.seed(x)    
...
_inst = Random()
seed = _inst.seed

所以。。。如果
x
为
None
（未指定种子），会发生什么情况？好的，让我们检查一下
self.seed
方法：

def seed(self, a=None):
    """Initialize internal state from hashable object.

    None or no argument seeds from current time or from an operating
    system specific randomness source if available.

    If a is not None or an int or long, hash(a) is used instead.
    """

    if a is None:
        try:
            a = long(_hexlify(_urandom(16)), 16)
        except NotImplementedError:
            import time
            a = long(time.time() * 256) # use fractional seconds

    super(Random, self).seed(a)
    self.gauss_next = None

评论已经告诉我们发生了什么。。。此方法尝试使用操作系统提供的默认随机生成器，如果没有，则将使用当前时间作为种子值

但是，等等。。。那是什么鬼东西

答案就在这个
random.py
文件的开头：

from os import urandom as _urandom
from binascii import hexlify as _hexlify

塔达阿。。。种子是一个16字节的数字，来自

假设我们在一个文明的操作系统中，比如Linux（带有一个真正的随机数生成器）。
随机
模块使用的种子与执行以下操作相同：

>>> long(binascii.hexlify(os.urandom(16)), 16)
46313715670266209791161509840588935391L

之所以认为指定种子值不是很好，是因为
随机
函数不是真正的“随机”。。。它们只是一个非常奇怪的数字序列。但如果是同一个种子，那么序列将是相同的。您可以自己尝试：

>>> import random
>>> random.seed(1)
>>> random.randint(0,100)
13
>>> random.randint(0,100)
85
>>> random.randint(0,100)
77

无论何时、如何或在何处运行该代码（只要用于生成随机数的算法保持不变），如果种子为
1
，则始终会得到整数
13
，
85
，
77
。。。另一方面，哪种类型会破坏目的（请参阅关于伪随机数生成的内容），这实际上是一种可取的特性

这就是为什么依赖操作系统随机数生成器被认为“更好”的原因。这些通常是基于硬件中断来计算的，在Linux中，O.S.generator是非常非常随机的（包括硬盘读取、用户键入的按键、移动鼠标……）。或者，有点挑剔，
/dev/urandom
（这就是Python的
os.urandom
实际上在内部使用的）区别在于（如前所述）
/dev/random
使用硬件中断来生成随机序列。如果没有中断，
/dev/random
可能会耗尽，您可能需要等待一段时间，直到获得下一个随机数
/dev/urandom
在内部使用
/dev/random
，但它保证它始终为您准备好随机数

如果您使用的是linux，只需在终端上执行
cat/dev/random
（并准备点击Ctrl+C，因为它将开始输出非常非常随机的东西）

borrajax@borrajax：/tmp$cat/dev/random
_+�_�?zta����K�����Q�ߤk��/���qSlV��{�Gzk`���#p$�*C�F“�B9��o~，�QH���ɭ�F�޺�̬po�你有一个类似的问题。拥有真正的随机性并不总是更好的。OP确实询问了加密技术，但即使这样，你也应该知道你使用数据的目的（例如，Salsa总是从0生成0）。植入伪随机数生成器对于可复制但任意的数据非常有用，特别是对于可重复测试或在随机生成的游戏中共享级别。@YannVernier，correct，correct。这就是为什么我添加了一个澄清注释，指出有时使用相同的种子作为一个功能是可取的。非常详细的答案。
>>> import random
>>> random.seed(1)
>>> random.randint(0,100)
13
>>> random.randint(0,100)
85
>>> random.randint(0,100)
77