在 Python 中缩短/压缩字符串

Question

我正在开发一个应用程序，它以 JSON 格式存储 pdf 文档和文档的大量信息。为了避免多次加载相同的文档，文件的 MD5 哈希值用作 ID：

def create_hashsum(file_name):
    with open(file_name, 'rb') as file_to_check:
        # read contents of the file
        data = file_to_check.read()    
        # pipe contents of the file through
        md5_hash = hashlib.md5(data).hexdigest()
     return md5_hash

输出示例：

dfa04947f231d1c8cc7e755956c90bcf

然而，理想情况下，我想创建第二个更短且易于记忆的人性化 ID。要求：

• ~6 个字符长（字母 + 数字）
• 最大文件数：10,000
• 低概率的碰撞风险是可以接受的
• 易于在 AWS Lambda (python) 中实施

我正在寻找可以解决这个问题的算法、python 库或函数。

如果之前没有解决这个问题，我的问题是，如果我使用say MD5的前6个字符，碰撞的概率是多少？

PS：我尝试了 smalz 库，但它需要我无法在工作笔记本电脑上安装的依赖项。