md5是怎么一回事

来龙去脉

我闲来无事，担心岁月蹉跎，每每见到白发之人，心中恐惧。于是立定决心，网罗天下疑难琐事，终于挑了个相较之下最简单的md5算法来学习。

不过对拿着Pygame Zero都写不出Simon Say的我来说还是很困难的。

md5流程

这个md5到底是怎么算的呢？

首先，方便起见我们只对一串可以一股脑读进内存的字节做处理（你可能想问，为啥不处理一串比特，或者超长字节流？我这不是能力有限嘛……对于怎么流式处理数据我现在是一头雾水，只好先放一边，有知道的请在ISSUE那里指点我，非常感谢！）

然后我们在这串字节后面跟着加上一个字节（也就是八个比特，比特知道吧？开关，01，二进制，明白不），加的是什么字节呢？10000000，注意这是二进制下的，十进制这个数是128，16进制是80。

然后得数一数原本（没有加128的时候）的这串字节有多长，这里指的是比特长度，你如果数了字节数，得自己乘上8。这很重要，别数错，因为我们接下来要把字节串长度（字节长度）补成64的倍数。

怎么补呢？要知道，我们得预留8个字节准备补字节串的原比特长度（就是说最后那64比特其实是这个长度的二进制表示，不过还有坑我们等下说）。那这之间怎么办，全部补0，准确地说是00000000。

请当心，补法只有一种，中间这些0没位置就算了，但前面说的128和刚保留的8个字节必须要有，不够你就往后补，但别一下加上去几个64字节的0，好吧。原则是每个串有且仅有一种补法。

举个例子，现在补完128，一共有57字节，离64只有7个，那我们就补7+56=63个字节的0，这不就有位置了吗？如果补完128一共68字节怎么办，相当于剩下4个字节，这时候就别补60+56个0字节了，只要补64-8-4=52个0字节就行。

最后剩下这8个字节怎么补？当心，不能一股脑摆上去，你看文档里那句little endianenss是不是很怪，没感觉也没事，我给你举两个例子，第一个错误例子，第二个正确例子。对了，记得原比特长度要取二进制下的低64位，你给它模个2的64次方就行。

• 例子1: 我现在拿着前面步骤补好位的字节串，比方说它末尾是00000000这个字节用A表示。现在我知道原比特长度在10进制下是16，那么二进制下它就是10000，我们要补64比特，那不就是59个0然后10000嘛！好那我们最后的字节串长这样：<前面的字节>A<59个0>10000
• 例子2: 条件一样，但是我认为应该倒过来，最后是这样：<前面的字节>A00001<59个0>

看出来区别没有？第二种就叫little endianness，第一种是big endianness。我想你应该已经明白该怎么选择了。这种endianness的区分是为啥呢？因为人们想用多个字节表示数据，就好像我们这里的数字一样，小的数方便可能我一个字节表示绰绰有余，但数字大一些怎么办，8位只有2的8次方也就是256种形式，数显然比这个多，那么就需要多个字节表示数，比如连在一起的几个字节可以用二进制形式表示数。这很好，但问题出现了，人们开始时没有统一endianness，就导致从字节串一头开始读的时候，我认为先读到的是最低位，他认为是最高位，明白不？就好像我们十进制里看123456，机器不像人类，好像一股脑就了解了整个数，它是一位一位读的，你也不能想象成十二万三千……应该想象一，二，三，四，五，六一个一个给到你。这时候我们就会奇怪，到底是十二万多，还是六十多万呢？这就需要约定，这就是little endianness和big endianness的意义。

现在我们的字节串已经是64的倍数了，可以开始运算。

初始的四个“词”（是的，md5的运算基于所谓的词，一个词是四个字节，这样我们的字节串应该看成词串，长度是16的倍数，每个词看成一个用32个比特表示的数就行）我就不多说了，照抄！

• 67452301
• EFCDAB89
• 98BADCFE
• 10325476

注意，都是16进制下的数，不像十进制1234567890，它们是123456789ABCDEF0表示的，A是10，F是15，懂了吧？

K和s也建议直接抄（为啥是K，s？我抄维基百科的，RFC editor上是T，不过那个c实现好是好，真的不直观，不如维基的伪代码好照着实现）

• K：d76aa478 e8c7b756 242070db c1bdceee f57c0faf 4787c62a a8304613 fd469501 698098d8 8b44f7af ffff5bb1 895cd7be 6b901122 fd987193 a679438e 49b40821 f61e2562 c040b340 265e5a51 e9b6c7aa d62f105d 02441453 d8a1e681 e7d3fbc8 21e1cde6 c33707d6 f4d50d87 455a14ed a9e3e905 fcefa3f8 676f02d9 8d2a4c8a fffa3942 8771f681 6d9d6122 fde5380c a4beea44 4bdecfa9 f6bb4b60 bebfbc70 289b7ec6 eaa127fa d4ef3085 04881d05 d9d4d039 e6db99e5 1fa27cf8 c4ac5665 f4292244 432aff97 ab9423a7 fc93a039 655b59c3 8f0ccc92 ffeff47d 85845dd1 6fa87e4f fe2ce6e0 a3014314 4e0811a1 f7537e82 bd3af235 2ad7d2bb eb86d391
• s：7 12 17 22 7 12 17 22 7 12 17 22 7 12 17 22 5 9 14 20 5 9 14 20 5 9 14 20 5 9 14 20 4 11 16 23 4 11 16 23 4 11 16 23 4 11 16 23 6 10 15 21 6 10 15 21 6 10 15 21 6 10 15 21

接下来的运算我就不多说了，那段伪代码已经很清晰了，你们自己去看吧。值得注意的是接下来的循环操作每次对16个词进行运算并更新那四个词，算完这16个算下16个，最后正好结束就输出了。

这里有个细节，就是它词和词运算必须还是词，就是你别超出32比特，记得加法完要模一下2的32次方。

还有，它有个向左环形移位操作，这里最好的办法就是用或运算，别想别的。比如我要把数A做这个操作n位，怎么办，直接对左移n位的A后模2的32次方，然后和右移（32-n）位的A做或运算。（或运算是一种对比特的操作，只要有1这位就是1，比如1或0是1，0或0是0，10110101或11001000是11111101）

都跑完后输出这四个词，ok！万事大吉！

等一下，别急！还有坑！看到文档里那个little endianness没有？

这四个词顺序不变但各自都要按左边低位右边高位的方法输出！而且这个位不是你想的个位或者二进制的什么位，它是字节位，8个比特一组。

比如，我的四个词分别是（我们用16进制表示，一个数字/字母对应4个比特，按照我们习惯的左边高位右边低位写）

• 12 34 56 78
• 23 45 67 89
• 00 b8 3f 02
• 56 d3 a5 bc

现在最后的md5如何用16进制字符串表示呢？

你可以暂停，好好想一想，再往下看你的答案对不对，当然我也有可能写错，欢迎在ISSUE那里指正（注意：我很少看Github，所以可能很久不回，抱歉）

正确答案是 7856341289674523023fb800bca5d356

你学会了吗？

赠言

技术不易，全靠社区。如果这篇文章有帮到你，请不要感谢我，希望你在学会技术后不要自得于“技术壁垒”，而是多多分享，欢迎把你的博客地址发到我的ISSUE那里，我们多多交流。