Calcola checksum MD5 per un file

Sto usando iTextSharp per leggere il testo da un file PDF. Tuttavia, ci sono volte in cui non riesco a estrarre il testo, perché il file PDF contiene solo immagini. Scarico gli stessi file PDF ogni giorno e voglio vedere se il PDF è stato modificato. Se non è possibile ottenere il testo e la data di modifica, un checksum MD5 è il modo più affidabile per sapere se il file è cambiato?

Se lo è, alcuni esempi di codice sarebbero apprezzati, perché non ho molta esperienza con la crittografia.

È molto semplice utilizzare System.Security.Cryptography.MD5 :

using (var md5 = MD5.Create())
{
    using (var stream = File.OpenRead(filename))
    {
        return md5.ComputeHash(stream);
    }
}

(Credo che in realtà l'implementazione MD5 utilizzata non debba essere eliminata, ma probabilmente lo farei comunque.)

Come confrontare i risultati in seguito dipende da te; ad esempio, è possibile convertire l'array di byte in base64 o confrontare direttamente i byte. (Basta essere consapevoli del fatto che le matrici non hanno la precedenza Equals. L'uso di base64 è più semplice da ottenere, ma leggermente meno efficiente se si è interessati solo a confrontare gli hash.)

Se devi rappresentare l'hash come stringa, puoi convertirlo in esadecimale usando BitConverter:

static string CalculateMD5(string filename)
{
    using (var md5 = MD5.Create())
    {
        using (var stream = File.OpenRead(filename))
        {
            var hash = md5.ComputeHash(stream);
            return BitConverter.ToString(hash).Replace("-", "").ToLowerInvariant();
        }
    }
}

Ecco come lo faccio:

using System.IO;
using System.Security.Cryptography;

public string checkMD5(string filename)
{
    using (var md5 = MD5.Create())
    {
        using (var stream = File.OpenRead(filename))
        {
            return Encoding.Default.GetString(md5.ComputeHash(stream));
        }
    }
}

So che questa domanda ha già ricevuto una risposta, ma questo è quello che uso:

using (FileStream fStream = File.OpenRead(filename)) {
    return GetHash<MD5>(fStream)
}

Dove GetHash :

public static String GetHash<T>(Stream stream) where T : HashAlgorithm {
    StringBuilder sb = new StringBuilder();

    MethodInfo create = typeof(T).GetMethod("Create", new Type[] {});
    using (T crypt = (T) create.Invoke(null, null)) {
        byte[] hashBytes = crypt.ComputeHash(stream);
        foreach (byte bt in hashBytes) {
            sb.Append(bt.ToString("x2"));
        }
    }
    return sb.ToString();
}

Probabilmente non è il modo migliore, ma può essere utile.

Ecco una versione leggermente più semplice che ho trovato. Legge l'intero file in una volta sola e richiede solo una singola usingdirettiva.

byte[] ComputeHash(string filePath)
{
    using (var md5 = MD5.Create())
    {
        return md5.ComputeHash(File.ReadAllBytes(filePath));
    }
}

So che sono in ritardo per festeggiare ma ho eseguito i test prima di implementare effettivamente la soluzione.

Ho eseguito test contro la classe MD5 integrata e anche md5sum.exe . Nel mio caso la classe integrata ha impiegato 13 secondi, in cui anche md5sum.exe si aggirava intorno ai 16-18 secondi in ogni corsa.

    DateTime current = DateTime.Now;
    string file = @"C:\text.iso";//It's 2.5 Gb file
    string output;
    using (var md5 = MD5.Create())
    {
        using (var stream = File.OpenRead(file))
        {
            byte[] checksum = md5.ComputeHash(stream);
            output = BitConverter.ToString(checksum).Replace("-", String.Empty).ToLower();
            Console.WriteLine("Total seconds : " + (DateTime.Now - current).TotalSeconds.ToString() + " " + output);
        }
    }

E se è necessario calcolare l'MD5 per vedere se corrisponde all'MD5 di un BLOB di Azure, allora questa domanda e risposta SO potrebbe essere utile: l' hash MD5 del BLOB caricato su Azure non corrisponde allo stesso file sul computer locale