微博短网址生成算法原理 by cubeking

短网址（Short URL），顾名思义就是在形式上比较短的网址。通常用的是asp或者php转向，在Web 2.0的今天，不得不说，这是一个潮流。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：http://t.cn/SzjPjA 表示http://hi.baidu.com/cubeking/

　　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，

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，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！不过2的62次方，不知道有没有重复的，小概率可以，但是对应不是很大的网站应该足够了

自从twitter推出短网址(shorturl),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.

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;

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;

这种算法,虽然会生成4个,但是仍然存在重复几率,下面的算法一和三,就是这种的实现.

算法二

a-zA-Z0-9 这64位取6位组合,可产生500多亿个组合数量.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64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,就抓瞎了.

简单生成短网址方法

<?php
02function base62($x)03{04 $show=
'';05 while($x> 0) {06 $s= $x% 62;07 if($s> 35) {08 $s= chr($s+61); 09 } elseif($s> 9 && $s<=35) {10 $s= chr($s+ 55);11 }12 $show.= $s;13 $x= floor($x/62);14 }15 return $show; 16}17 18function urlShort($url)19{20 $url=
crc32($url);21 $result= sprintf("%u", $url);22 return base62($result);23}24 25echo urlShort("http://hi.baidu.com/cubeking/");?>

短网址算法枚举

代码如下:

<?php

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;

$output = array();

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

$subHex = substr ($hex, $i * 8, 8);

$int = 0x3FFFFFFF & (1 * ('0x'.$subHex));

$out = '';

for ($j = 0; $j < 6; $j++) {

$val = 0x0000001F & $int;

$out .= $base32[$val];

$int = $int >> 5;

}

$output[] = $out;

}

return $output;

}

?>

另一个是纯随机数算法

<?php

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);

}

return $random;

}

?>

各大微博短网址(ShortUrl)的算法 ,第一种算法的C#实现

<?php

// 这是c#代码,受编辑器的限制,只能用php

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[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

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[index];

//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[i] = outChars;

}

return resUrl;

}

?>

高进制数字转换,使用六十二进制将十进制数字变“短”。例如数据库中第 56800235583 条信息，对应的短网址后缀可以是 ZZZZZZ 。

下面是存储示例：

<?php

//id 自增序列/自增编号

//url 目标链接

//*suffix* 短网址后缀 （并不需要存储在数据库内）

+------------+-----------------------+---------+

|id | url | *suffix*|

+------------+-----------------------+---------+

|123456 | http://zoeey.com/ | w7e |

+------------+-----------------------+---------+

|123457 | http://www.zoeey.com/ | w7f |

+------------+-----------------------+---------+

|56800235582 | http://zoeey.org/ | ZZZZZY |

+------------+-----------------------+---------+

|56800235583 | http://www.zoeey.org/ | ZZZZZZ |

+------------+-----------------------+---------+

?>

短网址使用流程：

提交网址存储后获取其编号 如：123456

用dec2Any将编号转换为62进制，并拼接网址 如：http://go.to/w7e

用户访问到 http://go.to/w7e 时，提取短网址后缀 w7e

用any2Dec将短网址后缀转换为10进制，得到链接编号 如：123456

使用编号查询链接，并进行跳转[/list]

下面是进制转换所需要的源码：

<?php

/*

* MoXie (SysTem128@GMail.Com) 2010-6-30 17:53:57

*

* Copyright © 2008-2010 Zoeey.Org . All rights are reserved.

* Code license: Apache License Version 2.0

* http://www.apache.org/licenses/LICENSE-2.0.txt
*/

error_reporting(E_ALL);

/**

* 返回一字符串，十进制 number 以 radix 进制的表示。

* @param dec 需要转换的数字

* @param toRadix 输出进制。当不在转换范围内时，此参数会被设定为 2，以便及时发现。

* @return 指定输出进制的数字

*/

function dec2Any($dec, $toRadix) {

$MIN_RADIX = 2;

$MAX_RADIX = 62;

$num62 = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';

if ($toRadix < $MIN_RADIX || $toRadix > $MAX_RADIX) {

$toRadix = 2;

}

if ($toRadix == 10) {

return $dec;

}

// -Long.MIN_VALUE 转换为 2 进制时长度为65

$buf = array();

$charPos = 64;

$isNegative = $dec < 0; //(bccomp($dec, 0) < 0);

if (!$isNegative) {

$dec = -$dec; // bcsub(0, $dec);

}

while (bccomp($dec, -$toRadix) <= 0) {

$buf[$charPos--] = $num62[-bcmod($dec, $toRadix)];

$dec = bcdiv($dec, $toRadix);

}

$buf[$charPos] = $num62[-$dec];

if ($isNegative) {

$buf[--$charPos] = '-';

}

$_any = '';

for ($i = $charPos; $i < 65; $i++) {

$_any .= $buf[$i];

}

return $_any;

}

/**

* 返回一字符串，包含 number 以 10 进制的表示。<br />

* fromBase 只能在 2 和 62 之间（包括 2 和 62）。

* @param number 输入数字

* @param fromRadix 输入进制

* @return 十进制数字

*/

function any2Dec($number, $fromRadix) {

$num62 = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';

$dec = 0;

$digitValue = 0;

$len = strlen($number) - 1;

for ($t = 0; $t <= $len; $t++) {

$digitValue = strpos($num62, $number[$t]);

$dec = bcadd(bcmul($dec, $fromRadix), $digitValue);

}

return $dec;

}

$sol = '<br />' . PHP_EOL;

echo dec2Any('56800235583', 62), $sol; // ZZZZZZ

echo any2Dec('ZZZZZZ', 62), $sol; // 56800235583

echo dec2Any('123456', 62), $sol; // w7e

echo any2Dec('w7e', 62), $sol; // 123456

?>

另外,介绍一下goo.gl接口api的应用.

据说此算法是各种短网址服务中 "......（这是）互联网上最稳定、最安全、最快速的短网址服务。"(google声称)

有人做了比较，证明确实如此。

除了速度快，goo.gl还提供详细的点击统计。比如，Yahoo首页的短网址是http://goo.gl/QuXj，那么它的统计数据就在http://goo.gl/info/QuXj。加上后缀".qr"，还能得到这个网址的二维条形码，Yahoo的就是http://goo.gl/QuXj.qr。

详细信息可从这查看：http://code.google.com/apis/urlshortener/overview.html

下面是http://www.biaodianfu.com/php-google-urlshortener-api.html弄的一个简单的PHP调用API生成短网址方法，分享给大家。

在使用前，请先到这里申请API Key：http://code.google.com/apis/console/

短网址的生成需要使用POST提交数据，所以使用了curl，短网址的还原可以直接使用file_get_contents()函数。不过为了统一，也使用了curl来处理哈。

<?php

// 生成

function shortenGoogleUrl($long_url){

$apiKey = 'API-KEY'; //Get API key from : http://code.google.com/apis/console/
$postData = array('longUrl' => $long_url, 'key' => $apiKey);

$jsonData = json_encode($postData);

$curlObj = curl_init();

curl_setopt($curlObj, CURLOPT_URL, 'https://www.googleapis.com/urlshortener/v1/url');

curl_setopt($curlObj, CURLOPT_RETURNTRANSFER, 1);

curl_setopt($curlObj, CURLOPT_SSL_VERIFYPEER, 0);

curl_setopt($curlObj, CURLOPT_HEADER, 0);

curl_setopt($curlObj, CURLOPT_HTTPHEADER, array('Content-type:application/json'));

curl_setopt($curlObj, CURLOPT_POST, 1);

curl_setopt($curlObj, CURLOPT_POSTFIELDS, $jsonData);

$response = curl_exec($curlObj);

curl_close($curlObj);

$json = json_decode($response);

return $json->id;

}

//还原

function expandGoogleUrl($short_url){

$curlObj = curl_init();

curl_setopt($curlObj, CURLOPT_URL, 'https://www.googleapis.com/urlshortener/v1/url?shortUrl='.$short_url);

curl_setopt($curlObj, CURLOPT_HEADER, 0);

curl_setopt($curlObj, CURLOPT_RETURNTRANSFER, 1);

curl_setopt($curlObj, CURLOPT_SSL_VERIFYPEER, 0);

$response = curl_exec($curlObj);

curl_close($curlObj);

$json = json_decode($response);

return $json->longUrl;

}

?>

PHP SDK

下载地址：http://code.google.com/p/libweibo/

（包含新版接口及OAuth2.0，由SAE提供维护，SAE平台已集成最新版PHPSDK）

Demo使用教程

在open.weibo.com创建应用，得到AppKey，设置“授权设置”中的“应用回调页”地址为"http://host/callback.php"，其中host为网站域名。
下载Demo,然后解压,修改config.php中的WB_AKEY为App Key，WB_SKEY为App Secret，WB_CALLBACK_URL为刚才填入的回调页地址。
上传到PHP空间即可