Fernet 是 Python 中的对称加密库，可为敏感数据提供安全且易于使用的加密。 Fernet 的一个常见用例是在将数据存储到 CSV 文件之前对其进行加密，以确保只有授权方才能访问它。 但是，解密 CSV 文件中的这些加密字符串可能有点棘手，尤其是在使用 Pandas 库时。
在本文中，我们将讨论使用 Fernet 和 Pandas 解密保存在 CSV 文件中的字符串问题的解决方案。 我们将提供代码的逐步解释，并深入研究过程中涉及的相关函数和库。
首先，让我们详细讨论一下这个问题。 在将数据存储到 CSV 文件之前使用 Fernet 加密来保护数据时，在使用 Pandas 读取文件时解密数据可能具有挑战性。 加密的字符串需要适当的处理以确保它们在解密过程中的完整性。
问题的解决方案
此问题的一个潜在解决方案是使用自定义函数并将它们应用于从 CSV 文件中获取的数据框。 我们将创建一个使用 Fernet 库解密加密字符串的函数，然后将此函数应用于包含加密数据的 Pandas 数据帧。
以下是对代码的逐步解释：
1.首先，我们需要导入必要的库：
import pandas as pd from cryptography.fernet import Fernet
2. 然后，让我们生成一个 Fernet 密钥并加密一些示例数据。 假设我们已经加密了以下数据并将其保存在名为“encrypted_data.csv”的 CSV 文件中，其中包含两列“data”和“encrypted”：
key = Fernet.generate_key()
cipher_suite = Fernet(key)
data = "This is a sample text."
encrypted_data = cipher_suite.encrypt(data.encode("utf-8"))
3. 现在，让我们创建一个函数来使用给定的 Fernet 密钥解密加密的字符串：
def decrypt_string(encrypted_string, fernet_key):
cipher_suite = Fernet(fernet_key)
return cipher_suite.decrypt(encrypted_string.encode("utf-8")).decode("utf-8")
4. 我们可以使用 Pandas 读取包含加密数据的 CSV 文件：
csv_data = pd.read_csv('encrypted_data.csv')
5. 最后，使用“apply”方法将“decrypt_string”函数应用于数据帧的加密列，并将解密后的数据存储在新列中。 请注意，您需要在“apply”方法中将密钥作为附加参数传递：
csv_data['decrypted'] = csv_data['encrypted'].apply(decrypt_string, fernet_key=key)
弗内特图书馆
铁网 是 Python 中流行的密码库，它提供了使用 AES 对称密钥密码术加密和解密数据的易于使用的方法。 该库保证使用 Fernet 加密的数据在没有密钥的情况下无法被进一步操作或读取，从而确保数据的机密性和完整性。 Fernet 对密文使用 URL-safe/base64 编码，这使得它适合在文件或数据库中存储加密数据。
熊猫图书馆
熊猫 是 Python 中的开源数据操作和数据分析库。 它提供数据结构，例如 Series 和 DataFrame，以及用于处理、转换和可视化数据的各种函数。 Pandas 特别适用于处理结构化或表格数据，例如 CSV 文件或 SQL 数据库。 该库简化了数据操作的许多方面，使其成为数据分析和机器学习的重要工具。
综上所述，可以按照本文提供的步骤使用 Fernet 和 Pandas 解密保存在 CSV 文件中的加密字符串。 通过创建自定义解密函数并将其应用于数据框，我们可以有效地解密存储在 CSV 文件中的敏感数据。
