当前位置:首页 > 文章列表 > Golang > Go教程 > Go crypto/sha512.New384 为什么输出长度是 48 字节

Go crypto/sha512.New384 为什么输出长度是 48 字节

来源:17golang原创 2026-11-07 04:52:14 0浏览 收藏

你在Go项目里调用crypto/sha512.New384()生成哈希摘要,最终得到的字节数组长度固定是48,很多刚接触的朋友会纳闷这个函数明明放在sha512标准库包里,怎么输出不是预期的64字节,这其实是算法标准本身的定义导致的,和Go的实现逻辑没有特殊关系。

sha512.New384输出48字节,完全对应SHA-384算法规范里定义的384位摘要长度,384位换算为字节刚好就是48字节。

我第一次把 sha512.New384() 接到日志摘要代码里时,最容易误读的不是算法名,而是“输出长度”。New384 返回的是 SHA-384 哈希对象,摘要的原始结果固定是 48 字节;如果再把这 48 个字节编码成十六进制字符串,字符串长度会变成 96 个字符。两者都叫“摘要”,但不是同一种表示。

记住一个边界:sha512.New384() 的摘要长度是 48 字节;十六进制展示通常是 96 个字符;Sum(b) 还会把摘要追加到传入的切片后面。

New384 返回的到底是什么

crypto/sha512 提供的 New384 返回一个实现 hash.Hash 的对象。它的名字已经暗示了用途:用 SHA-384 规则持续接收输入,然后在需要时生成摘要。这里的“384”不是直接等于 384 字节,而是 384 位;换算成字节就是 384 / 8 = 48。

因此,下面这段代码拿到的 digest 是原始字节切片,长度应按字节数理解:

package main

import (
    "crypto/sha512"
    "fmt"
)

func main() {
    h := sha512.New384()
    _, _ = h.Write([]byte("hello, Go")) // 将输入交给哈希对象

    digest := h.Sum(nil) // nil 表示不预先放入前缀
    fmt.Println(len(digest)) // 48
}
sha512.New384 到 48 字节原始摘要和十六进制展示的关系结构图
图1:结构说明图,展示 New384 到 48 字节原始摘要及十六进制展示的关系。

为什么转成十六进制后是 96 个字符

原始摘要的每个字节有 8 位,通常用两个十六进制字符表示一个字节。所以 48 字节编码后得到 48 × 2 = 96 个 ASCII 字符。这个长度变化来自展示编码,不代表哈希对象产生了更长的原始摘要。

package main

import (
    "crypto/sha512"
    "encoding/hex"
    "fmt"
)

func main() {
    h := sha512.New384()
    _, _ = h.Write([]byte("hello, Go"))

    raw := h.Sum(nil)             // 原始摘要:48 字节
    text := hex.EncodeToString(raw) // 展示文本:96 个字符
    fmt.Println(len(raw), len(text))
}

如果接口要求固定宽度的十六进制文本,可以保存 text;如果接口要求二进制摘要或继续做字节级处理,就应该保留 raw。不要用字符串长度去反推算法的摘要长度。

Sum 的参数不是“输出缓冲区”

hash.Hash.Sum(b) 的语义很容易让人写错:它不会把摘要写进一个固定容量的空白缓冲区,而是返回“原来的 b 加上当前摘要”的结果。因此,h.Sum(nil) 得到纯摘要;h.Sum(prefix) 得到前缀和摘要拼接后的切片。

prefix := []byte("sha384:")
out := h.Sum(prefix)

// out 的前 7 个字节仍是 prefix,后面追加 48 字节摘要。
// 如果调用方只想保存摘要,应使用 h.Sum(nil)。
hash.Hash.Sum 追加前缀与 48 字节摘要的关系结构图
图2:语义说明图,展示 Sum 的追加输出边界和 48 字节摘要位置。

我会怎样给这段代码划边界

对我来说,最稳妥的做法是先决定下游需要哪种数据,再决定调用方式。需要原始摘要时,使用 h.Sum(nil) 并按 48 字节处理;需要可读文本时,再显式调用十六进制编码;需要带协议前缀的缓存键时,才传入已有前缀切片。

还要留意哈希对象的状态。多次调用 Write 会把输入视为连续数据,多次调用 Sum 只读取当前状态,不会自动清空对象。如果要重新计算另一份独立输入,通常应新建一个哈希对象,而不是误以为读取摘要后状态已经重置。

常见疑问

New384 和 SHA-512 是同一种摘要长度吗?

不是。它们都属于 crypto/sha512 包,但 New384 对应 SHA-384,原始摘要是 48 字节;名称相近不等于输出宽度相同。

为什么我的摘要字符串不是 48 位?

如果你使用了十六进制编码,看到的应是 96 个字符。那是编码后的文本长度;只有在还没编码的字节切片上,len 才对应 48 字节。

可以直接复用 Sum 返回的切片吗?

可以把它作为当前结果传递,但要明确它可能包含传入的前缀,而且后续逻辑不应把它误当成新的哈希状态。需要独立摘要时,使用 h.Sum(nil) 并由调用方管理返回切片。

把“位数、字节数、十六进制字符数”和“Sum 的追加行为”分开后,sha512.New384 就不再神秘:算法规格决定 48 字节原始摘要,编码方式决定展示长度,调用者传入的切片决定返回值是否带前缀。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go crypto/subtle.ConstantTimeByteEq 怎样比较两个字节结果Go crypto/subtle.ConstantTimeByteEq 怎样比较两个字节结果
上一篇
Go crypto/subtle.ConstantTimeByteEq 怎样比较两个字节结果
Go context.WithCancelCause 怎样把取消原因传给调用方完成一个可复用的最小示例
下一篇
Go context.WithCancelCause 怎样把取消原因传给调用方完成一个可复用的最小示例
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    920次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    925次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1024次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1003次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    831次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码