node.bcrypt.js 技术文档
2024-12-23 21:29:34作者:范靓好Udolf
1. 安装指南
环境要求
- 使用稳定的 Node.js 版本,不稳定版本目前不支持。
- 确保安装了
node-gyp及其依赖项。 - Windows 用户需要安装 Visual Studio 的 C# 和 C++ 选项。
- Python 2.x 或 3.x。
- OpenSSL(仅在使用版本 <= 0.7.7 时需要)。
安装步骤
- 打开终端或命令行工具。
- 运行以下命令安装
bcrypt:npm install bcrypt
注意事项
- OS X 用户如果遇到 Xcode 相关错误,可以运行以下命令:
sudo xcode-select -switch /Applications/Xcode.app/Contents/Developer - 如果遇到预编译二进制文件下载失败的问题,请确保安装了所有必要的依赖项。
2. 项目的使用说明
异步模式(推荐)
生成密码哈希
-
技术 1:分步生成盐和哈希
const bcrypt = require('bcrypt'); const saltRounds = 10; const myPlaintextPassword = 's0/\/\P4$$w0rD'; bcrypt.genSalt(saltRounds, function(err, salt) { bcrypt.hash(myPlaintextPassword, salt, function(err, hash) { // 将哈希存储到数据库中 }); }); -
技术 2:自动生成盐和哈希
bcrypt.hash(myPlaintextPassword, saltRounds, function(err, hash) { // 将哈希存储到数据库中 });
验证密码
bcrypt.compare(myPlaintextPassword, hash, function(err, result) {
// result == true
});
bcrypt.compare(someOtherPlaintextPassword, hash, function(err, result) {
// result == false
});
同步模式
生成密码哈希
-
技术 1:分步生成盐和哈希
const salt = bcrypt.genSaltSync(saltRounds); const hash = bcrypt.hashSync(myPlaintextPassword, salt); // 将哈希存储到数据库中 -
技术 2:自动生成盐和哈希
const hash = bcrypt.hashSync(myPlaintextPassword, saltRounds); // 将哈希存储到数据库中
验证密码
bcrypt.compareSync(myPlaintextPassword, hash); // true
bcrypt.compareSync(someOtherPlaintextPassword, hash); // false
为什么推荐使用异步模式?
异步模式不会阻塞事件循环,适合在服务器上使用。同步模式会阻塞事件循环,影响应用的响应性能。
3. 项目API使用文档
异步API
-
bcrypt.genSalt(rounds, minor, cb)rounds:哈希处理的代价(默认:10)。minor:bcrypt的次版本(默认:'b')。cb:回调函数,返回生成的盐。
-
bcrypt.hash(data, salt, cb)data:要加密的数据。salt:用于哈希的盐。cb:回调函数,返回生成的哈希。
-
bcrypt.compare(data, encrypted, cb)data:明文密码。encrypted:存储的哈希密码。cb:回调函数,返回比较结果。
同步API
-
bcrypt.genSaltSync(rounds, minor)rounds:哈希处理的代价(默认:10)。minor:bcrypt的次版本(默认:'b')。
-
bcrypt.hashSync(data, salt)data:要加密的数据。salt:用于哈希的盐。
-
bcrypt.compareSync(data, encrypted)data:明文密码。encrypted:存储的哈希密码。
4. 项目安装方式
通过 NPM 安装
npm install bcrypt
依赖项安装
node-gyp的依赖项安装指南可以在 node-gyp 官方文档 中找到。- Windows 用户需要确保安装了 Visual Studio 的 C# 和 C++ 选项。
- Python 2.x 或 3.x 也需要安装。
预编译二进制文件
- 项目提供了针对 Windows x32/x64、Linux x64(GlibC 和 musl)、macOS 的预编译二进制文件。
- 如果遇到下载失败的问题,请确保安装了所有必要的依赖项。
通过以上步骤,您可以顺利安装并使用 node.bcrypt.js 进行密码哈希处理。
登录后查看全文
热门项目推荐
相关项目推荐
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust014
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
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
629
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++
947
888
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
399
303
🎉 (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
1.57 K
909
暂无简介
Dart
922
228
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
144
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381