微博内容中的短地址 分析
引自 http://www.nowamagic.net/webdesign/webdesign_ShortUrlInTwitter.php
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，新郎的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：
- 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。
- 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，应为同样的URL通过加密算法之后，得到的地址是一样的。
- 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）：
- 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；
很简单的理论，我们并不一定说得到的URL是唯一的，但是我们能够取出4组URL，这样几乎不会出现太大的重复。
下面来看看程序部分：
01 |
public static string[] ShortUrl(string url) |
02 |
{ |
03 |
//可以自定义生成MD5加密字符传前的混合KEY |
04 |
string key = "Leejor"; |
05 |
//要使用生成URL的字符 |
06 |
string[] chars = new string[]{ |
07 |
"a","b","c","d","e","f","g","h", |
08 |
"i","j","k","l","m","n","o","p", |
09 |
"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 |
//对传入网址进行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 |
//把加密字符按照8位一组16进制与0x3FFFFFFF进行位与运算 |
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 |
//把得到的值与0x0000003D进行位与运算，取得字符数组chars索引 |
30 |
int index = 0x0000003D & hexint; |
31 |
//把取得的字符相加 |
32 |
outChars += chars[index]; |
33 |
//每次循环按位右移5位 |
34 |
hexint = hexint >> 5; |
35 |
} |
36 |
//把字符串存入对应索引的输出数组 |
37 |
resUrl[i] = outChars; |
38 |
} |
39 |
return resUrl; |
40 |
} |
现在可以直接使用该方法，可以等到下面四组值：
1 |
ShortUrl(http://www.me3.cn)[0]; //得到值fAVfui |
2 |
ShortUrl(http://www.me3.cn)[1]; //得到值3ayQry |
3 |
ShortUrl(http://www.me3.cn)[2]; //得到值UZzyUr |
4 |
ShortUrl(http://www.me3.cn)[3]; //得到值36rQZn |
在存放这个URL的数据方面，我个人推荐TTServer，有的朋友可以没有听说过，下面是这个数据库的介绍：
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。
