用PHP和Python生成短連接服務的字符串ID

假設你想作一個像微博短連接那樣的短連接服務，短連接服務生成的URL都很是短例如: http://t.cn/E70Piib, 咱們應該都能想到連接中的E70Piib對應的就是存儲長連接地址的數據記錄的ID，但是這個有大小寫字母和數字構成的惟一ID是怎麼生成的呢，剛學編程的時候咱們用的方法都試拼接一個足夠惟一的字符串（好比時間戳加用戶ID等等）而後再用MD5或者SHA1散列算法算出一個散列值，用這種方法獲得的惟一ID有可能比原始的連接的長度還要長，因此如何來優雅的生成足夠短的字符串惟一ID呢？

咱們先來看一個數學問題，普通的數字ID是用十進制來表示的，在十進制中每位都有10種可能（0-9），因此5位的十進制數能呈現最多10 * 10 * 10 * 10 * 10 = 100,000 個ID。

如今若是用32進制來表達一個5位數字須要多少位呢？

<?php 
echo base_convert(10000, 10, 32); //答案是 '90g'

32進制是數字和一些小些字母來組成，因此5位32進制可表達的惟一ID有 32 * 32 * 32 * 32 * 32 = 33,554,432個，數量已經很大了。

使用32進制也能生成比較短的字符串惟一ID，不過還有更好的解決方案，你也看到了上面短連接的惟一ID裏還包含大寫字母。

接下來咱們使用62進制轉換，將一個十進制數字轉化爲對應的62進製表示。

（爲何用62進制？數字加大小寫字母一共是62個）

經常使用的這幾個編程語言裏沒有提供62進制的轉換，因此就須要咱們本身寫一個函數來進行10進制到62進制的轉換。

/**
 * Convert a numeric string from base 10 to another base.
 *
 * @param $value  decimal string
 * @param int $b  base , max is 62
 * @return string
 */
function to_base($value, $b = 62)
{
    $base = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
    $r = $value  % $b;
    $result = $base[$r];
    $q = floor($value / $b);

    while ($q)
    {
        $r = $q % $b;
        $q = floor($q / $b);
        $result = $base[$r].$result;
    }

    return $result;
}

/**
 * Convert a 10 base numeric string to a 62 base string
 *
 * @param  int     $value
 * @return string
 */
function base62_encode($value)
{
    return to_base($value, 62);
}

定義好上面的函數後，讓咱們將100,000,000 轉換成62進制試一試：

echo base62_encode(100000000); //結果是6LAze

理解了將十進制正整數轉換成62進制的字符串表示形式的原理後，在任何編程語言裏均可以很輕鬆地實現一個轉換函數，下面再提供一個Python版本的Base62.encode

#!/usr/bin/python
# -*- coding=UTF-8 -*-

from __future__ import print_function, division

BASE62 = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"

def encode(num, alphabet=BASE62):
    """Encode a positive number in Base X

    Arguments:
    - `num`: The number to encode
    - `alphabet`: The alphabet to use for encoding
    """
    if num == 0:
        return alphabet[0]
    arr = []
    base = len(alphabet)
    while num:
        num, rem = divmod(num, base)
        arr.append(alphabet[rem])
    arr.reverse()
    return ''.join(arr)

Python函數註解

• python的divmod函數用第一個參數num除以第二個參數base，並以元組的形式返回商和餘數。
• 由於divmod返回兩個元素構成的元組，在python中元組能夠簡寫省略兩邊地括號，因此num, rem = divmod(num, base)是一個元組賦值表達式，並非divmod函數返回了兩個返回值。

一億用62進製表示出來後的結果是6LAze , 生成的惟一字符串ID足夠短。短連接只是一個應用場景，base62還能夠應用到不少須要表示惟一ID的地方，這樣一來你就不用再使用那些哈希算法來生成那麼冗長的字符串了，雖然只是節省了一些空間可是這在高訪問量的URL和海量數據的存儲中仍是能省下來很多資源的。

原文地址：https://segmentfault.com/a/1190000016673068