C#如何实现url短地址?C#短网址压缩算法与短网址原理入门
c# url短地址压缩算法与短网址原理的例子,详细介绍了短网址的映射算法,将长网址md5生成32位签名串,分为4段,每段8个字节,然后生成短网址,具体见文本实例。
短网址映射算法:
将长网址md5生成32位签名串,分为4段,每段8个字节;
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;
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;
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;
并不一定说得到的URL是唯一的,但能够取出4组URL,不会出现太大的重复。
完整代码:
1 using System; 2 namespace ShortUrlDemo 3 { 4 class Program 5 { 6 static void Main(string[] args) 7 { 8 Random rd = new Random(); 9 10 for (int i = 0; i < 100; i++) 11 { 12 int index = rd.Next(0, 4); 13 var stortUrls = ShortUrl("http://www.freemud.cn"); 14 Console.WriteLine(string.Concat("http://www.freemud.cn/", stortUrls[index])); 15 } 16 Console.Read(); 17 } 18 19 public static string[] ShortUrl(string url) 20 { 21 //可以自定义生成MD5加密字符传前的混合KEY 22 string key = "Freemud"; 23 //要使用生成URL的字符 24 string[] chars = new string[] 25 { 26 "a", "b", "c", "d", "e", "f", "g", "h", 27 "i", "j", "k", "l", "m", "n", "o", "p", 28 "q", "r", "s", "t", "u", "v", "w", "x", 29 "y", "z", "0", "1", "2", "3", "4", "5", 30 "6", "7", "8", "9", "A", "B", "C", "D", 31 "E", "F", "G", "H", "I", "J", "K", "L", 32 "M", "N", "O", "P", "Q", "R", "S", "T", 33 "U", "V", "W", "X", "Y", "Z" 34 }; 35 //对传入网址进行MD5加密 36 string hex = System.Web.Security.FormsAuthentication.HashPasswordForStoringInConfigFile(key + url, "md5"); 37 string[] resUrl = new string[4]; 38 for (int i = 0; i < 4; i++) 39 { 40 //把加密字符按照8位一组16进制与0x3FFFFFFF进行位与运算 41 int hexint = 0x3FFFFFFF & Convert.ToInt32("0x" + hex.Substring(i * 8, 8), 16); 42 string outChars = string.Empty; 43 for (int j = 0; j < 6; j++) 44 { 45 //把得到的值与0x0000003D进行位与运算,取得字符数组chars索引 46 int index = 0x0000003D & hexint; 47 //把取得的字符相加 48 outChars += chars[index]; 49 //每次循环按位右移5位 50 hexint = hexint >> 5; 51 } 52 //把字符串存入对应索引的输出数组 53 resUrl[i] = outChars; 54 } 55 return resUrl; 56 } 57 } 58 }
结果:
在存放这个URL的数据方面,推荐TTServer。
TTServer数据库:
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。
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。
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
首先,需要一个数据库表来存储和检索你映射的网址。
1 CREATE TABLE mappedURL (CREATE TABLE mappedURL( 2 shortCode char (6) not null , 3 lognURL text not null , 4 PRIMARY KEY shortCodeInd (shortCode), 5 );
其次,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。
第三,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。
MD5 已经被破解了,因此不排除攻击者伪造相同 MD5 的 url 实现恶意目的的可能性。如果不考虑这种情况,md5 collision 的可能性应该是及其低的,估计你我有生之年都看不到。
另外偶不明白“相同的URL每次算出来的键值必须都是一样的”的实际用途会是什么。就算相同的 URL 对应不同的键值,一般也不会造成太大的浪费吧?只有 6 位的字母数字组合都可以容纳几十亿种变化。
我正是有md5 collision的担心才问这个问题的。相同的URL要对应相同的键值是因为每一个URL地址都需要唯一的对应到数据库中的一条表数据,但直接用URL来查询会比较慢,因为:
将要存储的URL和相关的记录数据量非常大。
而且有些URL会很长,所以要用text字段。
而如果哈希出唯一的键值用varchar来存储,再根据这个键值去查询就会非常方便快捷。
就像git里面的object hash, 目前基本上不用考虑冲突吧。
bit.ly等url shorter服务是怎么实现的?
需不需要从hash键值反向查找url? 如果有这样的要求, url肯定需要存一个地方, 这样就可以在冲突的时候进行再散列
MD5是128位hash码(4个整数,每个整数4个字节)。因此,一个url的MD5码,有2的128次方(即2e128)个可能。随意找出来的两个url的MD5码相等的可能性,是2e128分之一,即r=2e-128
假如url经MD5后插入数据库,第一个url插入的不会发生重复,第二个MD5插入时,它跟第一条重复的概率是r。第三条url插入时,重复概率 是2×r,以此类推,第n条插入时发生重复的概率是(n-1)×r。n个MD5码,其中有两个重复的概率是这些概率加和。(1+2+3+…+(n- 1))×r = (1/2)×n×(n-1)×r
对于n个MD5码的集合,存在重复的概率是(1/2)*(n/2e64)e2
因此,只有n大到可以与2e64比拟,才需要考虑它的冲突问题。而2的64次方还是很大的。
所以,只要不是恶意攻击,一般应用是不太会有collision的。