当前位置:首页 > 文章列表 > 文章 > linux > Linux cksum --base64 怎样用 Base64 表示校验摘要

Linux cksum --base64 怎样用 Base64 表示校验摘要

来源:17golang原创 2026-11-18 19:06:18 0浏览 收藏

cksum --base64 的作用是把摘要从十六进制展示改成 RFC 4648 Base64 展示;它不会自动选择更安全的摘要算法。实际使用时,先用 --algorithm 指定算法,再加 --base64,例如 cksum --algorithm=sha256 --base64 archive.tar。输出中的摘要、文件字节数和文件名是不同字段,不能把整行当成摘要保存。

官方资料:https://www.gnu.org/software/coreutils/manual/html_node/cksum-general-options.html

下面只讨论 GNU Coreutils 的 cksum 选项语义,不把 Base64 当作加密,也不把 CRC 的兼容性用途和抗篡改用途混为一谈。

先区分摘要算法与 Base64 编码

cksum 同时处理两个维度:摘要算法决定输入字节如何得到摘要,--base64 决定这个摘要如何打印。只写 --base64 并不会把默认 CRC 变成 SHA-256;如果文章、制品或接口约定的是 SHA-256,就应该显式写出 --algorithm=sha256。

选项解决的问题不要误解为
--algorithm=sha256选择摘要算法和摘要长度把输出转换成 Base64
--base64用 RFC 4648 Base64 打印摘要提高摘要强度或加密文件
文件参数指定参与摘要的字节流只读取文件名字符串
cksum 文件字节流、摘要算法与 Base64 编码之间的静态边界关系说明图
图1:结构说明图,查看文件字节流、摘要算法和 Base64 输出之间的静态边界;它不是终端截图或运行证据。

用 cksum 生成 Base64 校验摘要

给定文件时,把算法和编码选项放在同一条命令里即可。下面的命令用于生成 SHA-256 摘要;代码块中的输出是字段形状示意,实际摘要会随文件内容变化。

# 选择 SHA-256,并要求 cksum 用 RFC 4648 Base64 表示摘要
cksum --algorithm=sha256 --base64 archive.tar

# 通过标准输入计算,适合上一个命令已经产生字节流的场景
cat archive.tar | cksum --algorithm=sha256 --base64 -

第一种写法保留文件名,便于人读和生成校验清单;第二种把 - 作为标准输入,输出中的文件名字段会体现标准输入语义。若要让脚本稳定消费结果,优先明确输入方式,并把整行拆成字段后再取摘要。

Base64 只是可打印编码,通常比十六进制短一些,但会出现末尾的 = 填充。不要为了“美观”删掉它,也不要把 URL-safe Base64 的 -、_ 字符规则套到这里;cksum --base64 遵循的是 RFC 4648 第 4 节常规形式。

按输出字段读取结果

普通文件输入的输出可以理解为三类信息:摘要编码、文件字节数和文件名。摘要是内容比较的核心;字节数可帮助发现输入对象是否发生变化;文件名只是定位来源,不能参与摘要比较。

BASE64_DIGEST  BYTE_COUNT  archive.tar

上面的排列用于解释字段职责,不是固定摘要值。解析时不要用空格简单截取“第一个字段”后就假定所有输入都一样:文件名本身可能包含空格,命令还可能接收标准输入。因此,面向脚本的清单格式应由生成端和读取端共同约定,至少保留算法、摘要编码和原始文件名的关联。

  • 摘要字段:用于比较同一算法下的内容结果。
  • 字节数字段:用于辅助判断读取的输入大小。
  • 文件名字段:用于找到摘要对应的文件,不是摘要的一部分。

处理 --check 与填充边界

--check 用来读取已有校验信息并判断文件内容是否匹配。不要把 --check --base64 当成“把十六进制转成 Base64”的转换命令:官方说明中,--base64 在检查模式下会被忽略,而检查器可以自动识别由 cksum --base64 生成的摘要编码。

检查清单时,Base64 摘要必须保持生成时的完整字符串。末尾一个或两个 = 是编码填充的一部分,删掉、补上或改成 URL-safe 形式,都可能让本来相同的摘要无法匹配。对于需要跨工具交换的清单,先统一算法、输出模式和文件名转义规则,再把清单交给检查命令。

cksum 生成清单、check 模式和十六进制与 Base64 摘要边界说明图
图2:边界说明图,展示生成清单与检查读取时的摘要编码、模式和填充关系;它是静态说明图,不是实际运行结果。
# 读取已有校验清单并检查文件,算法与编码由清单信息决定
cksum --check checksum-list.txt

# 生成清单时保留完整 Base64 字符串,不要手工移除末尾的等号
cksum --algorithm=sha256 --base64 archive.tar > checksum-list.txt

常见问题

只写 cksum --base64 就是 SHA-256 吗?

不是。--base64只改变摘要的打印编码;需要 SHA-256 时显式指定 --algorithm=sha256,并在清单中记录算法。

为什么 Base64 摘要末尾有等号?

这是 RFC 4648 的填充字符,用于补齐编码分组。对 cksum --check 而言,生成时的完整字符串才是可匹配的输入。

能不能用 --base64 把旧的十六进制清单转换成 Base64?

不能把它当作转换开关。--base64在检查模式下不负责改写清单;应从原始文件按统一算法重新生成,避免丢失算法、文件名和填充信息。

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
Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
上一篇
Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
Go go/types.Basic.Name 怎样取得基础类型的声明名称
下一篇
Go go/types.Basic.Name 怎样取得基础类型的声明名称
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。
    1096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。
    1092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。
    1260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。
    1201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。
    1049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