hash de cadena Unicode en Python

Question

Trato de hash de algunas cadenas Unicode:

hashlib.sha1(s).hexdigest() 
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-81: 
ordinal not in range(128) 

donde s es algo así como:

œ∑¡™£¢∞§¶•ªº–≠œ∑´®†¥¨ˆøπ“‘åß∂ƒ©˙∆˚¬…æΩ≈ç√∫˜µ≤≥÷åйцукенгшщзхъфывапролджэячсмитьбююю..юбьтијџўќ†њѓѕ'‘“«««\dzћ÷…•∆љl«єђxcvіƒm≤≥ї!@#$©^&*(()––––––––––∆∆∆∆∆∆∆∆∆∆∆∆∆∆∆∆∆∆∆•…÷ћzdzћ÷…•∆љlљ∆•…÷ћzћ÷…•∆љ∆•…љ∆•…љ∆•…∆љ•…∆љ•…љ∆•…∆•…∆•…∆•∆…•÷∆•…÷∆•…÷∆•…÷∆•…÷∆•…÷∆•…÷∆•…

¿Qué debo fijar?

Answer 1

Aparentemente hashlib.sha1 no espera un objeto unicode, sino una secuencia de bytes en un objeto str. La codificación de la cadena de unicode a una secuencia de bytes (usando, por ejemplo, la codificación UTF-8) debe solucionarlo:

>>> import hashlib 
>>> s = u'é' 
>>> hashlib.sha1(s.encode('utf-8')) 
<sha1 HASH object @ 029576A0> 

El error se debe a que está tratando de convertir el objeto unicode a un str de forma automática, utilizando el codificación predeterminada ascii, que no puede manejar todos esos caracteres no ASCII (ya que su cadena no es pura ASCII).

Un buen punto de partida para aprender más sobre Unicode y codificaciones es el Python docs, y este article by Joel Spolsky.

Answer 2

Usar el formato de codificación utf-8, trate de esta manera fácil,

>>> import hashlib 
>>> hashlib.sha256(str(random.getrandbits(256)).encode('utf-8')).hexdigest() 
'cd183a211ed2434eac4f31b317c573c50e6c24e3a28b82ddcb0bf8bedf387a9f' 

Answer 3

You bytes hash, no cadenas. Así que debes saber qué bytes realmente quieres hash, si es una representación de la memoria utf8 de la cadena, una representación de la memoria utf16 de la cadena, etc.