关于微博内容中的短地址ShortURL

看过新浪的短连接服务,发现后面主要有6个字符串组成,于是第一个想到的就是原来公司写的一个游戏激活码规则,也就是下面的算法2,26个大写字母 26小写字母,10个数字,随机生成6个然后插入数据库对应一个id,短连接跳转的时候,根据字符串查询到对应id,即可实现相应的跳转!不过2的62次方,不知道有没有重复的,小概率可以,但是对应不是很大的网站应该足够了

   

自从twitter推出短网址(shorturl)后,国内各大微博跟风,google公开goo.gl使用的API, 短网址之风愈演愈烈。不得不说这是一个新兴又一大热门web2.0服务。现整理一下,包括完整短网址网站,短网址算法原理,算法举例,以及优劣比较,同时还介绍几个phper个人实现的。

   

短网址应用已经在全国各大微博上开始流行了起来。例如QQ微博的url.cn,新浪的sinaurl.cn等。我们在QQ微博上发布网址的时候,微博会自动判别网址,并将其转换,例如:http://url.cn/2hytQx

为什么要这样做的,原因我想有这样几点:

   

1. 微博限制字数为140字一条,那么如果我们需要发一些连接上去,但是这个连接非常的长,以至于将近要占用我们内容的一半篇幅,这肯定是不能被允许的,所以短网址应运而生了。

2. 短网址可以在我们项目里可以很好的对开放级URL进行管理。有一部分网址可以会涵盖色情,暴力,广告等信息,这样我们可以通过用户的举报,完全管理这个连接将不出现在我们的应用中,因为同样的URL通过加密算法之后,得到的地址是一样的。

3. 我们可以对一系列的网址进行流量,点击等统计,挖掘出大多数用户的关注点,这样有利于我们对项目的后续工作更好的作出决策。

其实以上三点纯属个人观点,因为在我接下来的部分项目中会应用到,所以就了解了一下,下面先来看看短网址映射算法的理论(网上找到的资料):

   

完整的ShortUrl网站,由国外著名 WordPress 插件大师级人物 Ozh Richard 和 Lester Chan 一起写的。官方网站是yourls.org。此为开源版本,可以从这里下载。最新版本1.5,试用了一下,默认第一个是1,感觉不是很好,还是喜欢twitter风格的。

turl,phper的个人实现,可下载源码,点击此处

   

算法原理

算法一

1)将长网址md5生成32位签名串,分为4段, 每段8个字节;

2)对这四段循环处理, 取8个字节, 将他看成16进制串与0x3fffffff(30位1)与操作, 即超过30位的忽略处理;

3)这30位分成6段, 每5位的数字作为字母表的索引取得特定字符, 依次进行获得6位字符串;

4)总的md5串可以获得4个6位串; 取里面的任意一个就可作为这个长url的短url地址;

   

这种算法,虽然会生成4个,但是仍然存在重复几率,下面的算法一和三,就是这种的实现.

   

算法二

a-zA-Z0-9 这64位取6位组合,可产生500多亿个组合数量.把数字和字符组合做一定的映射,就可以产生唯一的字符串,如第62个组合就是aaaaa9,第63个组合就是aaaaba,再利用洗牌算法,把原字符串打乱后保存,那么对应位置的组合字符串就会是无序的组合。

把长网址存入数据库,取返回的id,找出对应的字符串,例如返回ID为1,那么对应上面的字符串组合就是bbb,同理 ID为2时,字符串组合为bba,依次类推,直至到达64种组合后才会出现重复的可能,所以如果用上面的62个字符,任意取6个字符组合成字符串的话,你的数据存量达到500多亿后才会出现重复的可能。

具体参看这里彻底完善新浪微博接口和超短URL算法,算法四可以算作是此算法的一种实现,此算法一般不会重复,但是如果是统计的话,就有很大问题,特别是对域名相关的统计,就抓瞎了。

   

短网址算法枚举

   

一个来自http://www.snippetit.com/2009/04/php-short-url-algorithm-implementation/ ,

代码如下:

<?php 

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' 

    ); 

    

  $hex md5($input); 

  $hexLen strlen($hex); 

  $subHexLen $hexLen 8

  $output = array(); 

    

  for ($i 0$i $subHexLen$i++) { 

    $subHex substr ($hex$i 88); 

    $int 0x3FFFFFFF & (* ('0x'.$subHex)); 

    $out ''

    

    for ($j 0$j 6$j++) { 

      $val 0x0000001F $int

      $out .= $base32[$val]; 

      $int $int >> 5

    } 

    

    $output[] = $out

  } 

    

  return $output

?> 

   

另一个是纯随机数算法

<?php 

function random($length$pool ''

    { 

        $random ''

    

        if (empty($pool)) { 

            $pool    'abcdefghkmnpqrstuvwxyz'

            $pool   .= '23456789'

        } 

    

        srand ((double)microtime()*1000000); 

    

        for($i 0$i $length$i++)  

        { 

            $random .= substr($pool,(rand()%(strlen ($pool))), 1); 

        } 

    

        return $random

    } 

?> 

   

各大微博短网址(ShortUrl)的算法 ,第一种算法的C#实现

<?php 

// 这是c#代码,受编辑器的限制,只能用php 

public static string[] ShortUrl(string url

        { 

            //可以自定义生成MD5加密字符传前的混合KEY 

            string key "Leejor"

            //要使用生成URL的字符 

            string[] chars = new string[]{ 

                "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"

                "6","7","8","9","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" 

   

              }; 

            //对传入网址进行MD5加密 

            string hex System.Web.Security.FormsAuthentication.HashPasswordForStoringInConfigFile(key url"md5");

   

            string[] resUrl = new string[4]; 

   

            for (int i 04i++) 

            { 

                //把加密字符按照8位一组16进制与0x3FFFFFFF进行位与运算 

                int hexint 0x3FFFFFFF Convert.ToInt32("0x" hex.Substring(88), 16); 

                string outChars string.Empty; 

                for (int j 06j++) 

                { 

                    //把得到的值与0x0000003D进行位与运算,取得字符数组chars索引 

                    int index 0x0000003D hexint

                    //把取得的字符相加 

                    outChars += chars[index]; 

                    //每次循环按位右移5位 

                    hexint hexint >> 5

                } 

                //把字符串存入对应索引的输出数组 

                resUrl[i] = outChars

            }