python UDF 實現對csv批量md5加密操作

Posted on by

工作上遇到需求，一批手機號要md5加密導出。為瞭保證數據安全，所以沒有采用網上工具來加密。

md5的加密算法是開源的且成熟的，很多語言都有對應包可以直接用，我寫瞭一個簡單的python來實現，另一位同事做瞭一個hiveUDF來實現，這裡都給大傢分享一下。

目標：

讀取csv文件，並且對其中的內容進行md5加密，32位加密，將加密後的密文存入另一個csv文件。

python實現：

（1）準備好要讀取的csv文件。單列，一行存一個手機號碼。

（2）python代碼：

#encoding=utf8
import hashlib #加密模塊
import os

#定義一個加密函數，32位md5加密
def md5_encryption(str):
 m=hashlib.md5()
 m.update(str)
 return m.hexdigest()

#準備要讀取的csv和要被寫入的csv，兩個文件要和此python放在同一個文件夾裡
readfilename=os.path.join(os.path.dirname(__file__),"testcsv.csv")
writefilename=os.path.join(os.path.dirname(__file__),"writecsv.csv")
print('read:',readfilename)
print('write:',writefilename)

with open(readfilename,'r') as rf:
 #逐行寫入加密後的密文，strip函數用於剔除換行符\n，不然是對“13000000\n”加密而不是對“13000000”加密
 with open(writefilename,'w') as wf: 
 for row in rf.readlines():
  wf.write(md5_encryption(row.strip())) 
  wf.write('\n')
 #計算一下寫入的行數
 with open(writefilename,'r') as rwf:
 count=0
 while 1:
  buffer=rwf.read(1024*8192)
  if not buffer:
  break
  count+=buffer.count('\n')
 print('line writed number:',count)

（3）結果

hive UDF 實現：

（1）用java寫一個類用來實現加密，用maven打成jar包

import org.apache.hadoop.hive.ql.exec.UDF;
import org.apache.commons.lang.StringUtils;
import java.security.MessageDigest;
public class MD5 extends UDF {
 public String evaluate (final String str) {
 if (StringUtils.isBlank(str)){
  return "";
 }
 String digest = null;
 StringBuffer buffer = new StringBuffer();
 try {
  MessageDigest digester = MessageDigest.getInstance("md5");
  byte[] digestArray = digester.digest(str.getBytes("UTF-8"));
  for (int i = 0; i < digestArray.length; i++) {
  buffer.append(String.format("%02x", digestArray[i]));
  }
  digest = buffer.toString();
 } catch (Exception e) {
  e.printStackTrace();
 }
 return digest;
 }
 public static void main (String[] args ) {
 MD5 md5 = new MD5();
 System.out.println(md5.evaluate(" "));
 }
}

（2）配置一下pom.xml

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
 <modelVersion>4.0.0</modelVersion>

 <groupId>HiveUdf</groupId>
 <artifactId>HiveUdf</artifactId>
 <version>1.0-SNAPSHOT</version>

 <dependencies>
 <dependency>
  <groupId>org.apache.hive</groupId>
  <artifactId>hive-exec</artifactId>
  <version>0.14.0</version>
 </dependency>
 <dependency>
  <groupId>org.apache.calcite</groupId>
  <artifactId>calcite-core</artifactId>
  <version>0.9.2-incubating</version>
 </dependency>
 <dependency>
  <groupId>org.apache.calcite</groupId>
  <artifactId>calcite-avatica</artifactId>
  <version>0.9.2-incubating</version>
 </dependency>
 <dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-common</artifactId>
  <version>2.6.0</version>
 </dependency>
 </dependencies>
</project>

(3)hive中配置udf

導入jar包：

hive> add jar hdfs:/user/udf/HiveUdf-1.0-SNAPSHOT.jar;

新建一個函數：

hive> create temporary function MD5 as 'MD5';

使用:

hive> select MD5('12345');
OK
827ccb0eea8a706c4c34a16891f84e7b
Time taken: 0.139 seconds, Fetched: 1 row(s)
hive> 
hive> select phone,MD5(phone) from mid_latong_20200414 limit 5;
OK
1300****436 856299f44928e90****181b0cc1758c4
1300****436 856299f44928e90****181b0cc1758c4
1300****689 771dfa9ef00f43c****4901a3f1d1fa0
1300****689 771dfa9ef00f43c****4901a3f1d1fa0
1300****689 771dfa9ef00f43c****4901a3f1d1fa0
Time taken: 0.099 seconds, Fetched: 5 row(s)

以上就是python和hiveUDF兩種實現md5加密的方法啦！

補充：python的MD5加密的一點坑

曾經在做某ctf題目時，被這點坑，坑瞭好久。

廢話不多說，進入正題。

python MD5加密方法

import hashlib   //導入hash庫函數
text = "bolg.csdn.net"   //要加密的文本
md5_object = hashlib.md5()   //創建一個MD5對象
md5_object.update(text)   //添加去要加密的文本
print md5_object.hexdigest()  //輸出加密後的MD5值

坑在哪？

當你在進行第一次加密時，程序正常輸出MD5值，但是在同一程序中進行第二次明文加密時，如果你的代碼是這樣寫，就不會得到正確的MD5值。

通過對第一張圖片和第二張圖片的比較，發現如果按照第一張圖片的代碼進行連續加密時，它實質上是在加密每次明文的疊加。

即第一次加密：csdn

第二次加密:csdnblog

正確做法應該是：

以上為個人經驗，希望能給大傢一個參考，也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方，望不吝賜教。

推薦閱讀：