微博URL短地址压缩算法分析

yaoshiyan 发表于 2011-12-21 08:44

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，新郎的t.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：<a href="http://url.cn/2hytQx" target="_blank">http://url.cn/2hytQx</A>
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，应为同样的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）：
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； 很简单的理论，我们并不一定说得到的URL是唯一的，但是我们能够取出4组URL，这样几乎不会出现太大的重复。
下面来看看程序部分：  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;
 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      int hexint = 0x3FFFFFFF & Convert.ToInt32("0x" + hex.Substring(i * 8, 8), 16);   string outChars = string.Empty;      for (int j = 0; j < 6; j++)      {          //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;      //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 = outChars;   }  return resUrl; }
现在可以直接使用该方法，可以等到下面四组值： ShortUrl(<a href="http://www.me3.cn);  //得到值3ayQry ShortUrl(<a href="http://www.me3.cn);  //得到值UZzyUr ShortUrl(<a href="http://www.me3.cn);  //得到值36rQZn  在存放这个URL的数据方面，我个人推荐TTServer，有的朋友可以没有听说过，下面是这个数据库的介绍：
Tokyo Cabinet 是日本人 Mikio Hirabayashi（平林幹雄）のページ开发的一款DBM数据库(注：大名鼎鼎的DBM数据库qdbm就是他开发的)，该数据库读写非常快。insert:0.4sec/1000000 recordes(2500000qps)，写入100万数据只需要0.4秒。search:0.33sec/1000000 recordes (3000000 qps)，读取100万数据只需要0.33秒。 
可以看到对于字典类型的数据Key/Value的查询，这个数据库可以说是我目前见过效率非常高的，况且他如此的小巧，用来对short url/long url的配对再好不过。
该系统使用6个短码字符来表示任何长度的网址。有效的字符代码是ASCII 'A'到'Z'和'0'的'5'，其中每个字符包含2 ^ 5（32）状态。  6短码字符可用于绘制32 ^ 6（1073741824）的网址 
首先，你需要一个数据库表来存储和检索你映射的网址。 CREATE TABLE mappedURL (的CREATE TABLE mappedURL（    shortCode char(6) not null,    lognURL  text not null,    PRIMARY KEY  shortCodeInd (shortCode),    );     
其次，你需要定义一个算法将长的URL映射到短的URL。算法上面已经介绍过了。
第三，你需要创建一个网页，从数据库的短网址的映射找到原始的URL,并重定向之

页: [1]

Chinaunix's Archiver

微博URL短地址压缩算法分析