Python实现短网址ShortUrl的Hash运算实例讲解
本文实例讲述了Python实现短网址ShortUrl的Hash运算方法。分享给大家供大家参考。具体如下：
shorturl实现常见的做法都是将原始Url存储到数据库，由数据库返回一个对应ID。
以下要实现的是不用数据库支持就对原始URL进行shorturlhash。说到这里我们很容易想到MD5，固定长度，冲突概率小，但是32个字符，太长？我们以MD5为基础，将其字符缩短，同时要保证一定数量范围内hash不会冲突。
我们分成两个步骤来实现。
第一步算法：
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。
（出现重复的几率大约是n/(32^6)也就是n/1,073,741,824，其中n是数据库中记录的条数）
我们就得到了4个6位串，可是选哪个作为最终的hash结果呢，随机选肯定是不行的，同样的url两次hash就会得出不同的结果。接下来根据原始url的特征进行选择，并且将hash冲突的可能性控制在同一个domain内：
第二步算法：
①从原始url中提取域名，提取数字（最多后6位）；
②将所得的数字与4取模，根据所得的余数决定从第一步算法中得到的4个shorturl中选取哪一个；
③从域名中提取特征串：一级域名中的第一个字符和后面二个辅音（如果辅音不足2个取任意前两个）；
④域名特征串和选定的shorturl拼接成9位字符为最终的shorturl；
（后两个步骤是将冲突控制在一个domain内）
ShortUrl.py
#encoding:utf-8
__author__='JamesLau'
importhashlib
importre
def__original_shorturl(url):
'''
算法：
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。
（出现重复的几率大约是n/(32^6)也就是n/1,073,741,824，其中n是数据库中记录的条数）
'''
base32=['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'
]
m=hashlib.md5()
m.update(url)
hexStr=m.hexdigest()
hexStrLen=len(hexStr)
subHexLen=hexStrLen/8
output=[]
foriinrange(0,subHexLen):
subHex='0x'+hexStr[i*8:(i+1)*8]
res=0x3FFFFFFF&int(subHex,16)
out=''
forjinrange(6):
val=0x0000001F&res
out+=(base32[val])
res=res>>5
output.append(out)
returnoutput
defshorturl(url):
'''
算法：
①从原始url中提取域名，提取数字（最多后6位）；
②将所得的数字与4取模，根据所得的余数决定从第一步算法中得到的4个shorturl中选取哪一个；
③从域名中提取特征串：一级域名中的第一个字符和后面二个辅音（如果辅音不足2个取任意前两个）；
④域名特征串和选定的shorturl拼接成9位字符为最终的shorturl；
（后两个步骤是将冲突控制在一个domain内）
'''
match_full_domain_regex=re.compile(u'^https?:\/\/(([a-zA-Z0-9_\-\.]+[a-zA-Z0-9_\-]+\.[a-zA-Z]+)|([a-zA-Z0-9_\-]+\.[a-zA-Z]+)).*$')
match_full_domain=match_full_domain_regex.match(url)
ifmatch_full_domainisnotNone:
full_domain=match_full_domain.group(1)
else:
returnNone
not_numeric_regex=re.compile(u'[^\d]+')
numeric_string=not_numeric_regex.sub(r'',url)
ifnumeric_stringisNoneornumeric_string=='':
numeric_string='0'
else:
numeric_string=numeric_string[-6:]
domainArr=full_domain.split('.')
domain=domainArr[1]iflen(domainArr)==3elsedomainArr[0]
vowels='aeiou0-9'
iflen(domain)<=3:
prefix=domain
else:
prefix=re.compile(u'[%s]+'%vowels).sub(r'',domain[1:])
prefix='%s%s'%(domain[0],prefix[:2])iflen(prefix)>=2elsedomain[0:3]
t_shorturl=__original_shorturl(url)
t_choose=int(numeric_string)%4
result='%s%s'%(prefix,t_shorturl[t_choose])
returnresult
希望本文所述对大家的Python程序设计有所帮助。