关于微博内容中的短地址ShortURL
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)后，国内各大微博跟风，google公开goo.gl使用的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，短网址算法原理，算法举例，以及优劣比较，同时还介绍几个phper个人实现的。
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，新浪的sinaurl.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：http://url.cn/2hytQx
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，因为同样的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）：
完整的ShortUrl网站，由国外著名 WordPress 插件大师级人物 Ozh Richard 和 Lester Chan 一起写的。官方网站是yourls.org。此为开源版本，可以从这里下载。最新版本1.5，试用了一下，默认第一个是1，感觉不是很好，还是喜欢twitter风格的。
turl，phper的个人实现,可下载源码，点击此处
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。
短网址算法枚举
一个来自http://www.snippetit.com/2009/04/php-short-url-algorithm-implementation/ ,
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"。(作者自称很高效,但是来源页www.zoeey.com/cnphpdocs/short.url.radix.convert.html 打不开)
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;
}
?>
在此处有个生成器,但是无代码奉献.点击此处
