如何在Python中验证文件的MD5校验和以确保数据完整性？
必须分块读取，推荐8192或65536字节块大小，以rb模式打开文件，循环调用update()，最后用hexdigest()获取32位小写十六进制字符串；校验时需strip().lower()统一格式并做长度校验。
用 hashlib.md5() 读取文件并计算校验和
直接调用 hashlib.md5() 并传入整个文件内容（比如 md5.update(f.read())）在大文件上会爆内存。必须分块读取，常见块大小是 8192 或 65536 字节——既避免频繁系统调用，又不占用过多内存。
实操建议：
- 打开文件用
rb模式，二进制读取才能保证字节一致 - 每次
f.read(chunk_size)，空字符串表示读完，跳出循环 - 别忘了最后调用
md5.hexdigest()获取 32 位小写十六进制字符串
import hashlib
def calc_md5(filepath):
md5 = hashlib.md5()
with open(filepath, "rb") as f:
for chunk in iter(lambda: f.read(8192), b""):
md5.update(chunk)
return md5.hexdigest()
校验时比对字符串要忽略大小写和空白符
用户提供的参考 MD5 值可能来自不同工具：Linux md5sum 输出带空格和路径，Windows PowerShell 的 Get-FileHash 默认输出大写，有些网页表单还带前后空格。直接用 == 比对大概率失败。
实操建议：
- 用
.strip().lower()统一处理参考值和计算值 - 可加长度校验：
len(candidate) != 32直接报错，避免把错误格式当哈希比对 - 不要用
.upper()，因为 RFC 和绝大多数工具默认输出小写
验证失败时别只抛 AssertionError
生产环境里，仅靠 assert calc_md5(f) == expected 不仅无法提供上下文，还会在 -O 模式下被完全移除。出问题时连哪条文件、预期值是多少都看不到。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
实操建议：
- 用明确异常，比如
raise ValueError(f"MD5 mismatch for {filepath}: got {actual}, expected {expected}") - 如果批量校验，记录失败项到列表，最后统一打印，别遇到第一个错就中断
- 考虑加个
strict=False参数，允许跳过损坏文件继续处理
注意 Windows 上的换行符和符号链接陷阱
open() 在文本模式下会自动转换 \r\n → \n，但 MD5 必须基于原始字节；符号链接若没设 follow_symlinks=False（默认为 True），os.stat() 可能误判文件大小，但更危险的是：某些备份工具会把符号链接本身当作文件内容来哈希，而 Python 默认跟随链接读目标内容——两边规则不一致就校验不过。
实操建议：
- 始终用
rb模式打开，彻底避开换行符干扰 - 若需校验链接自身（而非目标），用
os.readlink()读路径字符串再哈希，或改用pathlib.Path(filepath).read_bytes()（它不跟随符号链接） - 用
os.path.islink(filepath)提前检测，按策略分支处理
实际用的时候，最常漏掉的是分块读取和大小写归一化——前者让程序在几百 MB 文件上卡死，后者让校验永远“失败”。