用PHP和Python生成短链接服务的字符串ID

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。

/**
 * Convert a numeric string from base 10 to another base.
 *
 * @param $value  decimal string
 * @param int $b  base , max is 62
 * @return string
 */
function to_base($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;
}

/**
 * Convert a 10 base numeric string to a 62 base string
 *
 * @param  int     $value
 * @return string
 */
function base62_encode($value)
{
    return to_base($value, 62);
}

定义好上面的函数后,让我们将100,000,000 转换成62进制试一试:

echo base62_encode(100000000); //结果是6LAze

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。

原文地址:https://segmentfault.com/a/1190000016673068
上一篇:勒索病毒出现多个变种 拔网线真的有用吗?


下一篇:Python的迭代器和生成器