URL短网址生成算法原理

短网址(Short URL),是在形式上比较短的网址,通过映射关系跳转到原有的长网址。

本文转自米扑博客:URL短网址生成算法原理

通常用 php 或 python 转向,在Web 2.0的今天,不得不说,这是一个潮流。

自从twitter推出短网址(short url),继之国内各大微博跟风,google公开goo.gl使用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,短网址生成原理,算法举例,以及优劣比较,同时还介绍几个phper个人实现的。

目前已经有许多类似服务,借助短网址您可以用简短的网址替代原来冗长的网址,让使用者可以更容易的分享链接。

例如

短网址:http://t.cn/R3Krh36

长网址:https://blog.mimvp.com/article/25420.html

生成短网址:http://dwz.wailian.work/index.php

 

短网址服务,可能很多朋友都已经不再陌生,现在大部分微博、手机邮件提醒等地方已经有很多应用模式了,并占据了一定的市场。估计很多朋友现在也正在使用。

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,

1)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,

2)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

62种字符组合成6位字符,62^6=568亿个组合数量,重复的概率是很小的

 

短链接的好处

1、内容需要;2、用户友好;3、便于管理。

为什么要这样做的,原因我想有这样几点:

1)微博限制一条字数为140字,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)短网址在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,完全管理这些链接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。

 

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;  52c06085  c4529732  5433e0c7  5b140565

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,即前缀超过30位的字符串做忽略处理,直接舍弃掉了;

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

 

PHP版本实现

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

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;   // 划分为4段,保留4组结果

    $resultArray = array();

     

    for ($i = 0; $i < $subHexLen; $i++) {

        $subHex = substr ($hex, $i * 8, 8);         // 分成4段,每段取8位字符

        $int = 0x3FFFFFFF & (1 * ('0x'.$subHex));       // 8位字节与16进制取与操作

        $out = '';

         

        for ($j = 0; $j < 6; $j++) {

            $val = 0x0000001F & $int;   // 取0~31之间的整数

            $out .= $base32[$val];      // 从数组中获取对应字符

            $int = $int >> 5;

        }

         

        $resultArray[] = $out;

    }

     

    return $resultArray;

}

 

echo "ShortUrl: " ;

var_dump(ShortUrl("https://blog.mimvp.com/article/25420.html"));

运行结果:

1

2

3

4

5

6

7

ShortUrl:

/Users/homer/Downloads/myCode/workspace/proxy_client/phpinfo.php:35:

array (size=4)

  0 => string '3ykjuq' (length=6)

  1 => string '4tsnn5' (length=6)

  2 => string 'mekmmj' (length=6)

  3 => string 'uhn0rz' (length=6)

 

PHP 改进型

把固定长度6位,改进成动态调整的,如5、6、10、15位等,使其是30个质数之一

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

function ShortUrl($input, $length=6) {

    $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;   // 划分为4段,保留4组结果

    $resultArray = array();

     

    for ($i = 0; $i < $subHexLen; $i++) {

        $subHex = substr ($hex, $i * 8, 8);         // 分成4段,每段取8位字符

        $int = 0x3FFFFFFF & (1 * ('0x'.$subHex));       // 8位字节与16进制取与操作

        $out = '';

         

        for ($j = 0; $j < $length; $j++) {

            $val = 0x0000001F & $int;   // 取0~31之间的整数

            $out .= $base32[$val];      // 从数组中获取对应字符

            $int = $int >> (30/$length);

        }

         

        $resultArray[] = $out;

    }

     

    return $resultArray;

}

 

echo "ShortUrl: " ;

var_dump(ShortUrl("https://blog.mimvp.com/article/25420.html", 10));

运行结果:

1

2

3

4

5

6

7

ShortUrl:

/Users/homer/Downloads/myCode/workspace/proxy_client/phpinfo.php:35:

array (size=4)

  0 => string '3dmvkjrkbe' (length=10)

  1 => string '4pjfmnvw4h' (length=10)

  2 => string 'mrcucmrwsc' (length=10)

  3 => string 'u4t0t0hytg' (length=10)

 

 

算法二

a-zA-Z0-9 这62位取6位组合,可产生62^6=568亿个组合数量,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62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,就抓虾了。

Java 版本实现

package com.mimvp;
 
import java.security.MessageDigest;
 
public class TestShortUrl {
 
    public static void main(String[] args) {
        String sLongUrl = "https://blog.mimvp.com/article/25420.html"; // 长链接
        String[] aResult = shortUrl(sLongUrl);
        // 打印出结果
        for (int i = 0; i < aResult.length; i++) {
            System.out.println("[" + i + "]:::" + aResult[i]);
        }
    }
 
    public static String[] shortUrl(String url) {
         
        // 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"
        };
 
        String key = "mimvp.com";                               // 可以自定义生成 MD5 加密字符传前的混合加密key
        String sMD5EncryptResult = CMyEncrypt.md5(key + url);       // 对传入网址进行 MD5 加密,key是加密字符串
        String hex = sMD5EncryptResult;
 
        String[] resUrl = new String[4];
        for (int i = 0; i < 4; i++) {
            // 把加密字符按照8位一组16进制与0x3FFFFFFF进行位与运算
            String sTempSubString = hex.substring(i * 8, i * 8 + 8);
 
            // 这里需要使用 long 型来转换,因为 Inteter.parseInt() 只能处理 31 位 , 首位为符号位 , 如果不用 long ,则会越界
            long lHexLong = 0x3FFFFFFF & Long.parseLong(sTempSubString, 16);
            String outChars = "";
            for (int j = 0; j < 6; j++) {
                long index = 0x0000003D & lHexLong;     // 把得到的值与 0x0000003D 进行位与运算,取得字符数组 chars 索引
                outChars += chars[(int) index];         // 把取得的字符相加
                lHexLong = lHexLong >> 5;             // 每次循环按位右移 5 位
            }
            resUrl[i] = outChars;                       // 把字符串存入对应索引的输出数组
        }
        return resUrl;
    }
}
 
 
class CMyEncrypt {
    // 十六进制下数字到字符的映射数组
    private final static String[] hexDigits = { "0", "1", "2", "3", "4", "5", "6", "7", "8", "9", "A", "B", "C", "D", "E", "F" };
 
    /** 把inputString加密 */
    public static String md5(String inputStr) {
        return encodeByMD5(inputStr);
    }
 
    /**
     * 验证输入的密码是否正确
     * 
     * @param password 真正的密码(加密后的真密码)
     * @param inputString 输入的字符串
     * @return 验证结果,boolean类型
     */
    public static boolean authenticatePassword(String password, String inputString) {
        if (password.equals(encodeByMD5(inputString))) {
            return true;
        } else {
            return false;
        }
    }
 
    /** 对字符串进行MD5编码 */
    private static String encodeByMD5(String originString) {
        if (originString != null) {
            try {
                // 创建具有指定算法名称的信息摘要
                MessageDigest md5 = MessageDigest.getInstance("MD5");
                // 使用指定的字节数组对摘要进行最后更新,然后完成摘要计算
                byte[] results = md5.digest(originString.getBytes());
                // 将得到的字节数组变成字符串返回
                String result = byteArrayToHexString(results);
                return result;
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
        return null;
    }
 
    /**
     * 轮换字节数组为十六进制字符串
     * 
     * @param b 字节数组
     * @return 十六进制字符串
     */
    private static String byteArrayToHexString(byte[] b) {
        StringBuffer resultSb = new StringBuffer();
        for (int i = 0; i < b.length; i++) {
            resultSb.append(byteToHexString(b[i]));
        }
        return resultSb.toString();
    }
 
    // 将一个字节转化成十六进制形式的字符串
    private static String byteToHexString(byte b) {
        int n = b;
        if (n < 0) {
            n = 256 + n;
        }
        int d1 = n / 16;
        int d2 = n % 16;
        return hexDigits[d1] + hexDigits[d2];
    }
 
    public static void main(String[] args) {
        CMyEncrypt.md5("https://blog.mimvp.com/about");
    }
}

运行结果:

执行上面代码,输出的结果如下,会产生4 组6位字符串,任意一组都可以作为当前字符串的短链接地址。

[0]:::VFvAr2
[1]:::iiI3a2
[2]:::Z3EvEv
[3]:::jMjU3a

 

PHP 随机数版

原理:指定长度,做多次循环,每次从长字符串里随机取出一位字符,组合成指定长度字符串即可

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 ); // 获取pool字符串中的随机一位字符,包含小数点、反斜杠等
    }
     
    return $random;
} 
 
echo "random: " . random(6, "https://blog.mimvp.com");

运行结果:

random: ipcblc
random: mst/o:

 

 

跳转原理

当我们生成短链接之后,只需要在数据库MySQL 或 NoSQL表中,存储原始链接与短链接的映射关系即可。

当我们访问短链接时,只需要从映射关系中找到原始链接,即可跳转到原始链接。

例如:

短网址:http://t.cn/R3Krh36 (存储长链接的映射

长网址:https://blog.mimvp.com/article/25420.html

 

 

你可能感兴趣的:(Script)