URL短地址壓縮演算法 微博短地址原理解析

 引自 http://www.nowamagic.net/webdesign/webdesign_ShortUrlInTwitter.php

短網址應用已經在全國各大微博上開始流行了起來。例如QQ微博的url.cn，新郎的sinaurl.cn等。

我們在QQ微博上發布網址的時候，微博會自動判別網址，並將其轉換，例如：http://url.cn/2hytQx

為什麼要這樣做的，原因我想有這樣幾點：

1. 微博限制字數為140字一條，那麼如果我們需要發一些串連上去，但是這個串連非常的長，以至於將近要佔用我們內容的一半篇幅，這肯定是不能被允許的，所以短網址應運而生了。
2. 短網址可以在我們項目裡可以很好的對開放級URL進行管理。有一部分網址可以會涵蓋色情，暴力，廣告等資訊，這樣我們可以通過使用者的舉報，完全管理這個串連將不出現在我們的應用中，應為同樣的URL通過密碼編譯演算法之後，得到的地址是一樣的。
3. 我們可以對一系列的網址進行流量，點擊等統計，挖掘出大多數使用者的關注點，這樣有利於我們對項目的後續工作更好的作出決策。

其實以上三點純屬個人觀點，因為在我接下來的部分項目中會應用到，所以就瞭解了一下，下面先來看看短網址映射演算法的理論（網上找到的資料）：

1. 將長網址md5產生32位簽名串，分為4段，每段8個位元組；
2. 對這四段迴圈處理，取8個位元組，將他看成16進位串與0x3fffffff(30位1)與操作，即超過30位的忽略處理；
3. 這30位分成6段，每5位的數字作為字母表的索引取得特定字元，依次進行獲得6位字串；
4. 總的md5串可以獲得4個6位串；取裡面的任意一個就可作為這個長url的短url地址；

很簡單的理論，我們並不一定說得到的URL是唯一的，但是我們能夠取出4組URL，這樣幾乎不會出現太大的重複。

下面來看看程式部分：

[c-sharp:nogutter] view plaincopy

1. public static string[] ShortUrl(string url)  
2. {  
3.     //可以自訂產生MD5加密字元傳前的混合KEY  
4.     string key = "Leejor";  
5.     //要使用產生URL的字元  
6.     string[] chars = new string[]{  
7.         "a","b","c","d","e","f","g","h",  
8.         "i","j","k","l","m","n","o","p",  
9.         "q","r","s","t","u","v","w","x",  
10.         "y","z","0","1","2","3","4","5",  
11.         "6","7","8","9","A","B","C","D",  
12.         "E","F","G","H","I","J","K","L",  
13.         "M","N","O","P","Q","R","S","T",  
14.         "U","V","W","X","Y","Z"  
15.     };  
16.    
17.     //對傳入網址進行MD5加密  
18.     string hex = System.Web.Security.FormsAuthentication.HashPasswordForStoringInConfigFile(key + url, "md5");  
19.   
20.     string[] resUrl = new string[4];  
21.   
22.     for (int i = 0; i < 4; i++)  
23.     {  
24.         //把加密字元按照8位一組16進位與0x3FFFFFFF進行位與運算  
25.         int hexint = 0x3FFFFFFF & Convert.ToInt32("0x" + hex.Substring(i * 8, 8), 16);  
26.         string outChars = string.Empty;  
27.         for (int j = 0; j < 6; j++)  
28.         {  
29.             //把得到的值與0x0000003D進行位與運算，取得字元數組chars索引  
30.             int index = 0x0000003D & hexint;  
31.             //把取得的字元相加  
32.             outChars += chars[index];  
33.             //每次迴圈按位右移5位  
34.             hexint = hexint >> 5;  
35.         }  
36.         //把字串存入對應索引的輸出數組  
37.         resUrl[i] = outChars;  
38.     }  
39.     return resUrl;  
40. }  

現在可以直接使用該方法，可以等到下面四組值：

[java:nogutter] view plaincopy
 

  
ShortUrl(http://www.me3.cn)[0];  //得到值fAVfui  
  
ShortUrl(http://www.me3.cn)[1];  //得到值3ayQry  
  
ShortUrl(http://www.me3.cn)[2];  //得到值UZzyUr  
  
ShortUrl(http://www.me3.cn)[3];  //得到值36rQZn  
 
 

在存放這個URL的資料方面，我個人推薦TTServer，有的朋友可以沒有聽說過，下面是這個資料庫的介紹：

Tokyo Cabinet 是日本人 Mikio Hirabayashi（平林幹雄）のページ 開發的一款DBM資料庫(註：大名鼎鼎的DBM資料庫qdbm就是他開發的)，該資料庫讀寫非常快。insert:0.4sec/1000000 recordes(2500000qps)，寫入100萬資料只需要0.4秒。search:0.33sec/1000000 recordes (3000000 qps)，讀取100萬資料只需要0.33秒。

可以看到對於字典類型的資料Key/Value的查詢，這個資料庫可以說是我目前見過效率非常高的，況且他如此的小巧，用來對short url/long url的配對再好不過。

 

該系統使用6個短碼字元來表示任何長度的網址。 有效字元代碼是ASCII 'A'到'Z'和'0'的'5'，其中每個字元包含2 ^ 5（32）狀態。  6短碼字元可用於繪製32 ^ 6（1073741824）的網址

首先，你需要一個資料庫表來儲存和檢索你映射的網址。 

[c-sharp:nogutter] view plaincopy

1. CREATE TABLE mappedURL (的CREATE TABLE mappedURL（   
2. shortCode char(6) not null,   
3. lognURL  text not null,   
4. PRIMARY KEY  shortCodeInd (shortCode),   
5. );  

其次，你需要定義一個演算法將長的URL映射到短的URL。 演算法上面已經介紹過了。

第三，你需要建立一個網頁，從資料庫的短網址的映射找到原始的URL,並重新導向之。