微博URL短地址压缩算法分析
<P><FONT face=Verdana>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。</FONT></P><P><FONT face=Verdana>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:</FONT><a href="http://url.cn/2hytQx" target="_blank"><FONT face=Verdana>http://url.cn/2hytQx</FONT></A></P>
<P><FONT face=Verdana>为什么要这样做的,原因我想有这样几点:</FONT></P>
<P><FONT face=Verdana>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。 <BR>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。 <BR>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。 <BR>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):</FONT></P>
<P><FONT face=Verdana>1.将长网址md5生成32位签名串,分为4段,每段8个字节; <BR>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; <BR>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; <BR>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; <BR>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。</FONT></P>
<P><FONT face=Verdana>下面来看看程序部分:</FONT><FONT face=Verdana> <BR>public static string[] ShortUrl(string url)<BR>{<BR> //可以自定义生成MD5加密字符传前的混合KEY<BR> string key = "Leejor";<BR> //要使用生成URL的字符<BR> string[] chars = new string[]{<BR> "a","b","c","d","e","f","g","h",<BR> "i","j","k","l","m","n","o","p",<BR> "q","r","s","t","u","v","w","x",<BR> "y","z","0","1","2","3","4","5",<BR> "6","7","8","9","A","B","C","D",<BR> "E","F","G","H","I","J","K","L",<BR> "M","N","O","P","Q","R","S","T",<BR> "U","V","W","X","Y","Z"<BR> };<BR> <BR> //对传入网址进行MD5加密<BR> string hex = System.Web.Security.FormsAuthentication.HashPasswordForStoringInConfigFile(key + url, "md5");</FONT></P>
<P><FONT face=Verdana> string[] resUrl = new string;</FONT></P>
<P><FONT face=Verdana> for (int i = 0; i < 4; i++)<BR> {<BR> //把加密字符按照8位一组16进制与0x3FFFFFFF进行位与运算<BR> int hexint = 0x3FFFFFFF & Convert.ToInt32("0x" + hex.Substring(i * 8, 8), 16);<BR> string outChars = string.Empty;<BR> for (int j = 0; j < 6; j++)<BR> {<BR> //把得到的值与0x0000003D进行位与运算,取得字符数组chars索引<BR> int index = 0x0000003D & hexint;<BR> //把取得的字符相加<BR> outChars += chars;<BR> //每次循环按位右移5位<BR> hexint = hexint >> 5;<BR> }<BR> //把字符串存入对应索引的输出数组<BR> resUrl = outChars;<BR> }<BR> return resUrl;<BR>}</FONT></P>
<P><FONT face=Verdana>现在可以直接使用该方法,可以等到下面四组值:</FONT><FONT face=Verdana><BR>ShortUrl(</FONT><a href="http://www.me3.cn); //得到值3ayQry<BR>ShortUrl(</FONT><a href="http://www.me3.cn); //得到值UZzyUr<BR>ShortUrl(</FONT><a href="http://www.me3.cn); //得到值36rQZn<BR> 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:</FONT></P>
<P><FONT face=Verdana>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。 </FONT></P>
<P><FONT face=Verdana>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。</FONT></P>
<P><FONT face=Verdana>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 </FONT></P>
<P><FONT face=Verdana>首先,你需要一个数据库表来存储和检索你映射的网址。 </FONT><FONT face=Verdana><BR>CREATE TABLE mappedURL (的CREATE TABLE mappedURL( <BR>shortCode char(6) not null, <BR>lognURL text not null, <BR>PRIMARY KEY shortCodeInd (shortCode), <BR>); <BR> </FONT></P>
<P><FONT face=Verdana>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。</FONT></P>
<P><FONT face=Verdana>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</FONT></P>
页:
[1]