短鏈接算法收集與分析

短鏈接就不說了，大家已經都清楚了，如下所示就是短鏈接：

新浪微博     http://t.cn/SVpONM

騰訊微博     http://url.cn/302yor

Yun.io         http://d.yun.io/PNri2v

短鏈接的好處：1、內容需要；2、用戶友好；3、便於管理。

如何實現呢，大概有三個步驟：

1、定義一個URL映射算法，可以將長的URL映射成短字符串；

2、使用一個存儲（數據庫？NoSQL？）來存儲完成的映射；

3、實現自己的URL映射算法；

一般來說，第三步是我們比較頭疼的，如何將一個長的URL字符串，映射成一個較短的字符串呢。我總結了三種辦法：

普通實現

我想以前大家學習過十進制和二進制的互相轉換，或者十進制和十六進制的互相轉換，那么為了更短，我們可以使用62進制，對於一個數字ID進行轉碼，轉換成一個短字符串。

這種做法的缺點是沒有辦法保證所有鏈接都是固定的位數的長度，而且在高並發的情況下，如何保證能夠快速分發是個問題。

具體實現方法：

    /**
     * 利用62進制對數字ID進行短鏈接編碼，缺點不能保證每個短鏈接是固定長度
     *
     * @author  wanshiqiang<[e-mail]>
     * @param integer $integer
     * @param string $base
     */
    private function getShortenedURLFromID ($integer, $base = ALLOWED_CHARS)
    {  
        $length = strlen($base);
        while($integer > $length - 1)
        {  
            $out = $base[fmod($integer, $length)] . $out;
            $integer = floor( $integer / $length );
        }  
        return $base[$integer] . $out;
    }  
    /**
     * 對62進制編碼的短鏈接進行解碼
     *
     * @author  wangshiqiang<[e-mail]>
     * @param string $string
     * @param string $base
     */
    private function getIDFromShortenedURL ($string, $base = ALLOWED_CHARS)
    {  
        $length = strlen($base);
        $size = strlen($string) - 1;
        $string = str_split($string);
        $out = strpos($base, array_pop($string));
        foreach($string as $i => $char)
        {  
            $out += strpos($base, $char) * pow($length, $size - $i);
        }  
        return $out;
    }

文藝實現

算法描述：使用6個字符來表示短鏈接，我們使用ASCII字符中的'a'-'z','0'-'5'，共計32個字符做為集合。每個字符有32種狀態，六個字符就可以表示32^6（1073741824），那么如何得到這六個字符，描述如下：

對傳入的長URL進行Md5，得到一個32位的字符串，這個字符串變化很多，是16的32次方，基本上可以保證唯一性。將這32位分成四份，每一份8個字符，這時機率變成了16的8次方，是4294967296，這個數字碰撞的機率也比較小啦，關鍵是后面的一次處理。我們將這個8位的字符認為是16進制整數，也就是1*('0x'.$val)，然后取0-30位，每5個一組，算出他的整數值，然后映射到我們准備的32個字符中，最后就能夠得到一個6位的短鏈接地址。

PHP實現如下：

function shorten( $long_url )
{
     $base32 = "abcdefghijklmnopqrstuvwxyz012345";
     $hex = md5( $long_url );
     $hexLen = strlen( $hex );
     $subHexLen = $hexLen / 8;
     $output = array();
     for( $i = 0; $i < $subHexLen; $i++ )
     {
          $subHex = substr( $hex, $i * 8, 8 );
          $subHex = 0x3FFFFFFF & ( 1 * ('0x' . $subHex ) );

　　　 $out = ''; 

          for( $j = 0; $j < 6; $j++ )
          {
               $val = 0x0000001F & $int;
               $out .= $base32[$val];
               $int = $int >> 5;
          }
          $output[] = $out;
     }
     return $output;
}

二逼實現

下面這個函數使用了純隨機的方式來生成一個短鏈接，雖然我們可以通過查詢操作來確保不重復使用短鏈接，可是... 這樣真的靠譜嗎~~

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;
}

Technorati 標簽: 短鏈接, Short Url, 映射, 哈希

參考資料：

1、微博短地址原理解析

2、微博短域名原理及作用

3、Yours.org

4、Free PHP URL Shorten script that kicks ass

5、PHP Short Url Algorithm Implementation

6、Implement your own short URL

7、短網址算法初步匯總

8、Short Url 實現方式