假设你想做一个像微博短链接那样的短链接服务,短链接服务生成的URL都非常短例如: http://t.cn/E70Piib, 我们应该都能想到链接中的E70Piib对应的就是存储长链接地址的数据记录的ID,可是这个有大小写字母和数字构成的唯一ID是怎么生成的呢,刚学编程的时候我们用的方法都试拼接一个足够唯一的字符串(比如时间戳加用户ID等等)然后再用MD5或者SHA1散列算法算出一个散列值,用这种方法得到的唯一ID有可能比原始的链接的长度还要长,所以如何来优雅的生成足够短的字符串唯一ID呢?
我们先来看一个数学问题,普通的数字ID是用十进制来表示的,在十进制中每位都有10种可能(0-9),所以5位的十进制数能呈现最多 10*10*10*10*10=100,000
个ID。
现在如果用32进制来表达一个5位数字需要多少位呢?
<?php
echo base_convert(10000,10,32);//答案是 '90g'
32进制是数字和一些小些字母来组成,所以5位32进制可表达的唯一ID有 32*32*32*32*32=33,554,432
个,数量已经很大了。使用32进制也能生成比较短的字符串唯一ID,不过还有更好的解决方案,你也看到了上面短链接的唯一ID里还包含大写字母。接下来我们使用62进制转换,将一个十进制数字转化为对应的62进制表示(为什么用62进制?数字加大小写字母一共是62个)。常用的这几个编程语言里没有提供62进制的转换,所以就需要我们自己写一个函数来进行10进制到62进制的转换。
一)
function shorturl($value, $b = 62)
{
$base = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
$r = $value % $b;
$result = $base[$r];
$q = floor($value / $b);
while ($q)
{
$r = $q % $b;
$q = floor($q / $b);
$result = $base[$r].$result;
}
return $result;
}
二)
function shorturl($input)
{
$base32 = array (
'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h','i', 'j',
'k', 'l', 'm', 'n', 'o', 'p','q', 'r', 's', 't',
'u', 'v', 'w', 'x','y', 'z', '0', '1', '2', '3',
'4', '5');
$hex = md5('prefix' . $input . 'surfix');
$hexLen = strlen($hex);
$subHexLen = $hexLen / 8;
$output = array();
for ($i = 0; $i < $subHexLen; $i++)
{
$subHex = substr($hex, $i * 8, 8);
$int = 0x3FFFFFFF & (1 * ('0x' . $subHex));
$out = '';
for ($j = 0; $j < 6; $j++)
{
$val = 0x0000001F & $int;
$out .= $base32[$val];
$int = $int >> 5;
}
$output = $out;
}
return $output;
}
理解了将十进制正整数转换成62进制的字符串表示形式的原理后,在任何编程语言里都可以很轻松地实现一个转换函数,下面再提供一个Python版本的 Base62.encode
:
#!/usr/bin/python
# -*- coding=UTF-8 -*-
from __future__ import print_function, division
BASE62 = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"
def encode(num, alphabet=BASE62):
"""Encode a positive number in Base X
Arguments:
- `num`: The number to encode
- `alphabet`: The alphabet to use for encoding
"""
if num == 0:
return alphabet[0]
arr = []
base = len(alphabet)
while num:
num, rem = divmod(num, base)
arr.append(alphabet[rem])
arr.reverse()
return ''.join(arr)
Python函数注解
- python的divmod函数用第一个参数num除以第二个参数base,并以元组的形式返回商和余数。
- 因为divmod返回两个元素构成的元组,在python中元组可以简写省略两边地括号,所以
num,rem=divmod(num,base)
是一个元组赋值表达式,并不是divmod函数返回了两个返回值。
一亿用62进制表示出来后的结果是 6LAze
, 生成的唯一字符串ID足够短。短链接只是一个应用场景, base62
还可以应用到很多需要表示唯一ID的地方,这样一来你就不用再使用那些哈希算法来生成那么冗长的字符串了,虽然只是节省了一些空间但是这在高访问量的URL和海量数据的存储中还是能省下来不少资源的。
思考:
没有办法保证转化的短链接字符串的长度(数值越大,字符串越长),在高并发的情况下,无法保证快速分发
将生成的连接地址都统一使用6位进行表示
function code62($x){
$show='';
while($x>0){
$s=$x % 62;
if ($s>35){
$s=chr($s+61);
}elseif($s>9&&$s<=35){
$s=chr($s+55);
}
$show.=$s;
$x=floor($x/62);
}
return $show;
}
function shorturl($url){
$url=crc32($url);
$result=sprintf("%u",$url);
return code62($result);
}