Hasher项目技术文档
2024-12-27 09:28:32作者:侯霆垣
1. 安装指南
在您的Scala项目中,要使用Hasher库,首先需要在build.sbt文件中添加以下依赖:
libraryDependencies ++= Seq("com.roundeights" %% "hasher" % "1.2.1")
确保同步项目依赖后,您就可以在项目中使用Hasher库了。
2. 项目使用说明
Hasher是一个Scala库,提供了一种简单的方式来生成各种散列值。支持的散列算法包括MD5、SHA1、SHA256、SHA384、SHA512、HMAC-MD5、HMAC-SHA1、HMAC-SHA256、HMAC-SHA512、BCrypt、CRC32和PBKDF2。
基本使用方法如下:
import com.roundeights.hasher.Implicits._
val hashMe = "Some String"
val md5 = hashMe.md5
println("MD5: " + md5.hex)
您还可以比较原始字符串和散列值:
println("MD5 Matches: " + (hashMe.md5 hash= md5))
3. 项目API使用文档
以下是Hasher库的一些关键API的使用说明:
生成散列值
使用隐式转换方法,可以对字符串、StringBuilder、字节数组、输入流、读取器和数据源生成散列值。例如:
val sha1 = hashMe.sha1
val bcrypt = hashMe.bcrypt
比较散列值
使用hash=方法可以安全地比较原始文本值和预计算的散列值:
println("SHA1 Matches: " + (hashMe.sha1 hash= sha1))
使用盐
为散列值添加盐值可以增加安全性:
println("Salted MD5: " + hashMe.salt("sweet").md5.hex)
获取散列值的字节
如果需要获取散列值的字节,可以使用隐式转换:
val hashBytes = hashMe.md5.bytes
非隐式使用
如果不希望使用隐式方法,可以直接使用Hasher对象:
val md5 = Hasher(hashMe).md5
算法替换
使用Algo类可以轻松地更换散列算法:
def hashUsing(algo: Algo) = {
val hash = algo(hashMe)
println("Hashed using " + algo.name + ": " + hash.hex)
}
累积散列值
对于可遍历对象中的数据,可以使用foldLeft来生成散列值:
def hash(list: List[String]): String = {
list.foldLeft(Algo.sha1.foldable) { (accum, str) => accum(str) }.done.hex
}
数据流监控
对于数据流,如InputStream、Reader或Source,可以使用Tap来在读取数据的同时生成散列值:
val stream = Algo.sha1.tap(new ByteArrayInputStream("Some String".getBytes))
4. 项目安装方式
项目安装方式已在“安装指南”部分说明,即通过在build.sbt文件中添加依赖来实现。
以上就是Hasher项目的详细技术文档,希望对您的使用有所帮助。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
668
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
512
622
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
299
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
943
884
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
906
暂无简介
Dart
918
222
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
仓颉编程语言运行时与标准库。
Cangjie
163
924