必须用 hashlib 而非 hash() 生成确定性哈希；正确做法是先序列化（pickle 或标准化 JSON）再哈希，注意递归标准化嵌套结构、避免不可序列化字段，并缓存序列化结果以优化性能。
用 hashlib 做确定性哈希，别用 hash()
Python 内置的 hash() 函数在不同进程、不同 Python 启动中结果不一致（受 HASH_SEED 影响），**完全不能用于持久化指纹**。必须用 hashlib 系列——它们输出稳定、跨平台、可复现。
常见错误是直接对对象调用 hash(obj) 然后转成字符串，结果下次运行就对不上。正确做法是先序列化再哈希：
-
pickle.dumps(obj, protocol=4)是最通用的选择（支持绝大多数内置和自定义类型），但注意：自定义类若含不可 pickle 的属性（如文件句柄、lambda）会失败 - 若对象结构简单（纯 dict/list/str/int/bool/None），优先用
json.dumps(obj, sort_keys=True, separators=(',', ':'))——更轻量、可读、无 pickle 安全风险 - 避免用
str(obj)或repr(obj)：顺序不确定、含内存地址、依赖__str__实现，极易出错
处理嵌套对象时，sort_keys=True 不够，得递归标准化
JSON 序列化看似方便，但遇到 {'b': 1, 'a': 2} 和 {'a': 2, 'b': 1}，即使内容相同，json.dumps() 默认顺序不同，哈希值就不同。设 sort_keys=True 能解决一层字典，但嵌套字典或列表里含字典时仍可能不稳定。
真实场景中，比如一个包含多个 dict 的 list，或嵌套 dict 中键顺序随机，必须预处理：
立即学习“Python免费学习笔记（深入）”；
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
- 写个递归函数，把所有
dict转成collections.OrderedDict并按键排序（Python 3.7+ 可直接用普通dict，但排序逻辑仍需显式执行） - 对
list类型，若顺序无关（例如标签集合），先sorted()再序列化；若顺序有关，保持原序即可 - 示例关键片段：
def canonicalize(obj): if isinstance(obj, dict): return {k: canonicalize(v) for k, v in sorted(obj.items())} elif isinstance(obj, list): return [canonicalize(v) for v in obj] else: return obj
性能瓶颈常卡在序列化，不是哈希计算本身
实测表明，对中等大小对象（~10KB 数据），pickle.dumps() 占耗时 90% 以上，hashlib.sha256() 计算只花几微秒。所以优化重点在减少序列化开销：
- 避免重复序列化：如果对象不变，缓存
pickle.dumps(obj)结果，再多次哈希复用 - 不用
sha256除非真需要抗碰撞——sha1或md5快约 20%，且对非密码学场景（如去重、缓存键）足够安全 - 批量生成时，别单个循环哈希，改用
itertools.starmap或列表推导式减少 Python 层调用开销 - 极端性能场景（百万级对象），考虑用
ujson替代json（快 3–5 倍），但要确认其不支持datetime等类型，需提前转换
自定义类必须明确定义 __eq__ 和 __hash__？不，哈希指纹不需要
有人误以为“要生成唯一指纹就得让类可哈希”，其实混淆了两个概念：__hash__ 是为 set/dict 内部使用，而指纹是外部持久化标识。自定义类哪怕没实现 __hash__，照样能用 pickle.dumps() 序列化（只要不含不可序列化字段）。
真正要注意的是：
- 类实例的
__dict__是否包含动态属性、函数引用、模块对象等——这些会让pickle失败，需在序列化前清洗（例如删掉以_开头的临时属性） - 若类有
__slots__，pickle默认不保存__dict__，需自定义__getstate__显式控制序列化内容 - 别依赖
id()或object.__repr__()：它们返回内存地址，每次运行都变，毫无意义
最稳妥的做法，是对每个自定义类提供一个 to_dict() 方法，只返回业务相关字段，再用 JSON 序列化——可控、可读、易调试。
