【转】URL短地址压缩算法 微博短地址原理解析 （Java实现）

转自： URL短地址压缩算法 微博短地址原理解析 （Java实现）

最近，项目中需要用到短网址（ShortUrl）的算法，于是在网上搜索一番，发现有C#的算法，有.Net的算法，有PHP的算法，就是没有找到Java版的短网址（ShortUrl）的算法，很是郁闷。同时还发现有不少网友在发帖求助，怎么实现Java版的短网址（ShortUrl）的算法。干脆一不做，二不休，参考了一下网上比较流行的PHP版短网址（ShortUrl）算法：

再根据自己的理解，用Java实现了该短网址（ShortUrl）的算法。（\(^o^)/YES！我还真厉害！）

先来废话一下，是在别人的帖子上看到的，主要是让大家了解一下短网址（ShortUrl）。

时下，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t.cn等。

我们在新浪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://t.cn/hrYnr0。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性、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 将长网址用md5算法生成32位签名串，分为4段,，每段8个字符；

② 对这4段循环处理，取每段的8个字符, 将他看成16进制字符串与0x3fffffff(30位1)的位与操作，超过30位的忽略处理；

③ 将每段得到的这30位又分成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 这样一个md5字符串可以获得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。

首先，请大家了解在Java中如何用MD5来加密字符串得到32位的加密后的字符串，下面是我已经封装好的Java MD5算法：

private final static String[] hexDigits = {
      "0", "1", "2", "3", "4", "5", "6", "7",
      "8", "9", "a", "b", "c", "d", "e", "f"}; 

    public static String byteArrayToHexString(byte[] b){
        StringBuffer resultSb = new StringBuffer();
        for (int i = 0; i < b.length; i++){
            resultSb.append(byteToHexString(b[i]));
        }
        return resultSb.toString();
    }

    private static String byteToHexString(byte b){
        int n = b;
        if (n < 0)
            n = 256 + n;
        int d1 = n / 16;
        int d2 = n % 16;
        return hexDigits[d1] + hexDigits[d2];
    }

    public static String MD5Encode(String origin){
        String resultString = null;
            try {

                resultString=new String(origin);
                MessageDigest md = MessageDigest.getInstance("MD5");

                resultString.trim();

                resultString=byteArrayToHexString(md.digest(resultString.getBytes("UTF-8")));
            }catch (Exception ex){}
            return resultString;
        }

    public static void main(String[] args)
    {

        String data = "189022881112011111118:09sz0000123456789987654321";
        System.out.println(MD5Encode(data));
    }

public class ShortUrl {
    public static void main(String[] args) {
        String url = "http://www.sunchis.com";
        for (String string : ShortText(url)) {
            print(string);
        }
    } 

    public static String[] ShortText(String string){
        String key = "XuLiang";                 //自定义生成MD5加密字符串前的混合KEY
        String[] chars = new String[]{          //要使用生成URL的字符
            "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"
        }; 

        String hex = MD5Encode(key + string);
        int hexLen = hex.length();
        int subHexLen = hexLen / 8;
        String[] ShortStr = new String[4]; 

        for (int i = 0; i < subHexLen; i++) {
            String outChars = "";
            int j = i + 1;
            String subHex = hex.substring(i * 8, j * 8);
            long idx = Long.valueOf("3FFFFFFF", 16) & Long.valueOf(subHex, 16); 

            for (int k = 0; k < 6; k++) {
                int index = (int) (Long.valueOf("0000003D", 16) & idx);
                outChars += chars[index];
                idx = idx >> 5;
            }
            ShortStr[i] = outChars;
        } 

        return ShortStr;
    } 

    private static void print(Object messagr){
        System.out.println(messagr);
    }
} 

下面来看看程序部分：现在可以直接使用ShortText(url)方法，可以等到下面四组值：

ShortText("http://www.sunchis.com")[0];  //得到值:Jzyqma
ShortText("http://www.sunchis.com")[1];  //得到值:QBrMzm
ShortText("http://www.sunchis.com")[2];  //得到值:bQreM3
ShortText("http://www.sunchis.com")[3];  //得到值:VNBRna 

选取结果中四个值的任何一个值即可作为URL对应生成的短网址了。

一些评论：

原网址和短地址一一对应的存储在数据库中

在新浪发表一篇微博,它自己进入短网址转换模块,转换的时候就生成了一串短网址,并存入了数据库,当你在新浪微博里点击http://t.cn/h5mwx 这个网址,那么说t.cn就会自动去数据库查询对应的长网址,并让你的浏览器顺利抵达终点,所以短网址一般都会跟一个短域名,否则谁也没办法解析...比如腾讯的短网址,它的短域名可能就不是t.cn了吧...

MD5不可逆

Q：我很奇怪为什么要使用MD5来做，最简单直接的思路：建一个简单的数据表，第1列是id,自增长，第2列是原URL。这种方式也很好，完全可以搞定。
请教各位，使用MD5的方法在哪些方面要优于我这个方法？

A：用这种方法很容易让竞争对手把URL库给遍历了去，但是假如我们只考虑效率，不考虑其他。