使用MessageDigest SHA-256实现获取POI XLSX格式的确定性哈希值似乎存在问题,即使对于空的ByteArray流也是如此.在数百次甚至数千次迭代之后,这是随机发生的.

用于重现该问题的相关代码段：

// TestNG FileTest:
@Test(enabled = true) // indeterminism at random iterations, such as 400 or 1290
public void emptyXLSXTest() throws IOException, NoSuchAlgorithmException {
    final Hasher hasher = new HasherImpl();
    boolean differentSHA256Hash = false;
    for (int i = 0; i < 10000; i++) {
        final ByteArrayOutputStream excelAdHoc1 = BusinessPlanInMemory.getEmptyExcel("xlsx");
        final ByteArrayOutputStream excelAdHoc2 = BusinessPlanInMemory.getEmptyExcel("xlsx");

        byte[] expectedByteArray = excelAdHoc1.toByteArray();
String expectedSha256 = hasher.sha256(expectedByteArray);
byte[] actualByteArray = excelAdHoc2.toByteArray();
String actualSha256 = hasher.sha256(actualByteArray);

if (!expectedSha256.equals(actualSha256)) {
            differentSHA256Hash = true;
            System.out.println("ITERATION: " + i);
            System.out.println("EXPECTED HASH: " + expectedSha256);
            System.out.println("ACTUAL HASH: " + actualSha256);
            break;
        }
    }
    Assert.assertTrue(differentSHA256Hash, "Indeterminism did not occur");
}

引用的Hasher和POI代码：

// HasherImpl class:
public String sha256(final InputStream stream) throws IOException, NoSuchAlgorithmException {
    final MessageDigest digest = MessageDigest.getInstance("SHA-256");
    final byte[] bytesBuffer = new byte[300000]; 
    int bytesRead = -1;
    while ((bytesRead = stream.read(bytesBuffer)) != -1) {
        digest.update(bytesBuffer, 0, bytesRead);
    }
    final byte[] hashedBytes = digest.digest();
    return bytesToHex(hashedBytes);
}

试图消除由于元数据(例如创建时间)而导致的不确定性,但无济于事：

// POI BusinessPlanInMemory helper class:
public static ByteArrayOutputStream getEmptyExcel(final String fileextension) throws IOException {
    Workbook wb;

    if (fileextension.equals("xls")) {
        wb = new HSSFWorkbook();
    }
    else {
        wb = new XSSFWorkbook();
        final POIXMLProperties props = ((XSSFWorkbook) wb).getProperties();
        final POIXMLProperties.CoreProperties coreProp = props.getCoreProperties();
        coreProp.setCreated("");
        coreProp.setIdentifier("1");
        coreProp.setModified("");
    }

    wb.createSheet();

    final ByteArrayOutputStream excelStream = new ByteArrayOutputStream();
    wb.write(excelStream);
    wb.close();
    return excelStream;
}

HSSF / XLS格式似乎不受所描述问题的影响.
是否有人知道,如果不是POI本身的错误,可能是什么原因导致的？基本上,上面的代码是指
https://poi.apache.org/spreadsheet/examples.htmlBusinessPlan example

感谢您的输入！

解决方法:

这不是一个明确的答案,但是我怀疑会发生什么：

docx和xlsx文件格式基本上是一堆压缩的xml文件.将它们重命名为.zip并使用您喜欢的zip工具打开时,很容易看到.

在检查由word创建的文件时,我注意到存档中包含的所有文件的更改时间戳始终为1980-01-01 00:00:00,而在使用POI创建的文件中,它将显示文件的实际时间戳.

所以我怀疑您的问题是在excelAdHoc1和excelAdHoc2中的一个或多个文件之间存在时间戳差异时发生的.当创建一个或另一个文件时时钟切换到下一秒时,可能会发生这种情况.

这不会影响XLS文件,因为HSSF格式不是“ zip xml”类型,因此不包含任何可能具有不同时间戳的嵌套文件.

要在写入文件后更改时间戳,可以尝试使用`java.util.zip“-package.我还没有测试过,但这应该可以解决问题：

ZipFile file = new ZipFile(pathToFile);
Enumeration<ZipEntry> e = file.entries();
while(e.hasMoreElements()) {
    ZipEntry entry = e.nextElement();
    entry.setTime(0L);
}