我正在寻找一种算法，该算法可以从较长的字符串生成较短的（fx 16个字符（不重要）哈希码/摘要）。

主要要求是几乎相同的字符串应产生相同的摘要。

Fx 2几乎相同的邮件：

嗨，马丁。这是一些…垃圾邮件给您。关于XYZ。=> AAAA AAAA AAAA AAAA

嗨，波 这是一些…垃圾邮件给您。关于EFG。=> AAAA AAAA AAAA AAAA

返回相同的数字（或几乎相同），其中作为不同的邮件：

你好，芬恩。这是一封测试邮件。=> CCCC CCCC CCCC CCCC

将返回不同的摘要。

该算法将成为垃圾邮件过滤器的一部分。过滤器将记住确定为垃圾邮件的邮件摘要。如果在有疑问的邮件中显示相同的摘要，则相同的摘要将导致过滤器增加垃圾邮件分数。

我知道Levenshtein，但是这需要我预先了解琴弦。在这种情况下，我没有此信息。我可能有此信息，但是这将需要过滤器来存储所有垃圾邮件，并对照每一封进行检查，这将是一个非常缓慢的过程。

也许一些松散的压缩算法加上两者之间的Levenshtein距离的计算可能会起作用。

任何指针表示赞赏。