Calcular la suma de comprobación MD5 para un archivo

Estoy usando iTextSharp para leer el texto de un archivo PDF. Sin embargo, hay veces que no puedo extraer texto, porque el archivo PDF solo contiene imágenes. Descargo los mismos archivos PDF todos los días, y quiero ver si el PDF ha sido modificado. Si no se puede obtener el texto y la fecha de modificación, ¿es la suma de verificación MD5 la forma más confiable de saber si el archivo ha cambiado?

Si es así, se agradecerían algunos ejemplos de código, porque no tengo mucha experiencia con la criptografía.

Es muy simple usar System.Security.Cryptography.MD5 :

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

(Creo que en realidad la implementación de MD5 utilizada no necesita ser eliminada, pero probablemente todavía lo haría de todos modos).

La forma de comparar los resultados después depende de usted; puede convertir la matriz de bytes a base64, por ejemplo, o comparar los bytes directamente. (Solo tenga en cuenta que las matrices no se anulan Equals. Usar base64 es más sencillo, pero un poco menos eficiente si realmente solo está interesado en comparar los hashes).

Si necesita representar el hash como una cadena, puede convertirlo a hexadecimal 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();
        }
    }
}

Así es como lo hago:

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));
        }
    }
}

Sé que esta pregunta ya fue respondida, pero esto es lo que uso:

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

Donde 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();
}

Probablemente no sea la mejor manera, pero puede ser útil.

Aquí hay una versión un poco más simple que encontré. Lee todo el archivo de una vez y solo requiere una sola usingdirectiva.

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

Sé que llego tarde a la fiesta, pero realicé la prueba antes de implementar la solución.

Realicé la prueba contra la clase MD5 incorporada y también md5sum.exe . En mi caso, la clase incorporada tomó 13 segundos donde md5sum.exe también alrededor de 16-18 segundos en cada ejecución.

    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);
        }
    }

Y si necesita calcular el MD5 para ver si coincide con el MD5 de un blob de Azure, entonces esta pregunta y respuesta SO podría ser útil: el hash MD5 del blob cargado en Azure no coincide con el mismo archivo en la máquina local