我们都知道哈希看起来像什么，但是您是否想知道某个特定字符在哈希中出现的频率如何？ 我想知道 我决定检查一下。 绘制了一个Python脚本以进行计数，这就是它的结果。
首先，我生成了一个随机字符串（长度从0到1000）。
def random_string(from_int, to_int): return str(''.join(random.SystemRandom().choice(string.ascii_letters + string.digits + string.punctuation) for _ in range(random.randint(from_int, to_int))))
接下来，我从字符串中获取了MD5哈希。
def md5_from_string(string): return hashlib.md5(string.encode('utf-8')).hexdigest()
之后-我计算了哈希中有0到9之间的数字。 在1000个散列的样本中，我收到了以下数据：
在这里，最常遇到的数字和最稀有的数字（增量值）之间的差异很有趣。
此外，为了跟踪增量值的变化，他制作了10,000、100,000、1,000,000、10,000,000哈希值的样本。
以下是具有不同数量的MD5哈希值的样本的最小和最大数值以及增量值的列表：
- 100-最小值：179，最大值：230，增量： 22.17％
- 1000-最小值：1925，最大值：2058，增量： 6.46％
- 10000-最小值：19769，最大值：20251，增量： 2.38％
- 100000-最小值：199297，最大值：200846，增量： 0.77％
- 1,000,000-最小值：1997650，最大值：2001690，增量： 0.20％
- 10000000-最小值：19991830，最大值：20004818，增量： 0.06％
我们所拥有的：随着数组中哈希数的增加，增量值将减小，并且具有几乎相同概率的任何数字都将落入数组中。 因此，样本越大，经常遇到和很少见到的数字之间的差异就越小。 因此，在散列中获得特定数字的可能性趋于均匀。
这些信息构成了我们在
bepeam.com竞争
平台上实现的算法的基础