URL短地址压缩算法 微博短地址原理解析

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：

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，应为同样的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）：

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；

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：

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;
}

现在可以直接使用该方法，可以等到下面四组值：

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。

 

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，你需要一个数据库表来存储和检索你映射的网址。 

CREATE TABLE mappedURL (的CREATE TABLE mappedURL（ 
shortCode char(6) not null, 
lognURL  text not null, 
PRIMARY KEY  shortCodeInd (shortCode), 
); 

其次，你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，你需要创建一个网页，从数据库的短网址的映射找到原始的URL,并重定向之。