生成短链接的URL

Posted 2021-01-15 xingxia

　　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。