用PHP和Python生成短连接服务的字符串ID

假设你想作一个像微博短连接那样的短连接服务，短连接服务生成的URL都很是短例如: http://t.cn/E70Piib, 咱们应该都能想到连接中的E70Piib对应的就是存储长连接地址的数据记录的ID，但是这个有大小写字母和数字构成的惟一ID是怎么生成的呢，刚学编程的时候咱们用的方法都试拼接一个足够惟一的字符串（好比时间戳加用户ID等等）而后再用MD5或者SHA1散列算法算出一个散列值，用这种方法获得的惟一ID有可能比原始的连接的长度还要长，因此如何来优雅的生成足够短的字符串惟一ID呢？

咱们先来看一个数学问题，普通的数字ID是用十进制来表示的，在十进制中每位都有10种可能（0-9），因此5位的十进制数能呈现最多10 * 10 * 10 * 10 * 10 = 100,000 个ID。

如今若是用32进制来表达一个5位数字须要多少位呢？

<?php 
echo base_convert(10000, 10, 32); //答案是 '90g'

32进制是数字和一些小些字母来组成，因此5位32进制可表达的惟一ID有 32 * 32 * 32 * 32 * 32 = 33,554,432个，数量已经很大了。

使用32进制也能生成比较短的字符串惟一ID，不过还有更好的解决方案，你也看到了上面短连接的惟一ID里还包含大写字母。

接下来咱们使用62进制转换，将一个十进制数字转化为对应的62进制表示。

（为何用62进制？数字加大小写字母一共是62个）

经常使用的这几个编程语言里没有提供62进制的转换，因此就须要咱们本身写一个函数来进行10进制到62进制的转换。

/**
 * Convert a numeric string from base 10 to another base.
 *
 * @param $value  decimal string
 * @param int $b  base , max is 62
 * @return string
 */
function to_base($value, $b = 62)
{
    $base = '0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
    $r = $value  % $b;
    $result = $base[$r];
    $q = floor($value / $b);

    while ($q)
    {
        $r = $q % $b;
        $q = floor($q / $b);
        $result = $base[$r].$result;
    }

    return $result;
}

/**
 * Convert a 10 base numeric string to a 62 base string
 *
 * @param  int     $value
 * @return string
 */
function base62_encode($value)
{
    return to_base($value, 62);
}

定义好上面的函数后，让咱们将100,000,000 转换成62进制试一试：

echo base62_encode(100000000); //结果是6LAze

理解了将十进制正整数转换成62进制的字符串表示形式的原理后，在任何编程语言里均可以很轻松地实现一个转换函数，下面再提供一个Python版本的Base62.encode

#!/usr/bin/python
# -*- coding=UTF-8 -*-

from __future__ import print_function, division

BASE62 = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"

def encode(num, alphabet=BASE62):
    """Encode a positive number in Base X

    Arguments:
    - `num`: The number to encode
    - `alphabet`: The alphabet to use for encoding
    """
    if num == 0:
        return alphabet[0]
    arr = []
    base = len(alphabet)
    while num:
        num, rem = divmod(num, base)
        arr.append(alphabet[rem])
    arr.reverse()
    return ''.join(arr)

Python函数注解

• python的divmod函数用第一个参数num除以第二个参数base，并以元组的形式返回商和余数。
• 由于divmod返回两个元素构成的元组，在python中元组能够简写省略两边地括号，因此num, rem = divmod(num, base)是一个元组赋值表达式，并非divmod函数返回了两个返回值。

一亿用62进制表示出来后的结果是6LAze , 生成的惟一字符串ID足够短。短连接只是一个应用场景，base62还能够应用到不少须要表示惟一ID的地方，这样一来你就不用再使用那些哈希算法来生成那么冗长的字符串了，虽然只是节省了一些空间可是这在高访问量的URL和海量数据的存储中仍是能省下来很多资源的。

原文地址：https://segmentfault.com/a/1190000016673068