网址压缩的调研分析
关于网址压缩的调研和自己的理解。
现在新浪、谷歌都提供了网址压缩服务，访问被压缩的网址，可以自动跳转到目标网址。对于访问者来说，除了网址节约了一些存储空间，别的也没啥好处吧，不过确实越来越火。
要开发短网址，一般有两种思路。第一种，就是生成个码，把码和原始网址的对应关系放到数据库里面，压缩的时候存进去，读取的时候去库里找；还有一种方式是把原始网址按照一定方式压缩，压成比较短的。
先开始肯定是想着用第二种方式，不用数据库，只用算法就能实现压缩，听着就很牛逼。有人说可以用gzip压缩，用Python试了一下，压出来的比原始的还长。。。要是用AES这种去压，估计也短不了。看来必须要借助数据库了。
用数据库，肯定要存一个原始网址，问题就是解决短码（就是短网址后面跟着的那个乱码）的问题。比较传统的方法，就是用整数来存，从1开始，这样。先开始出来的就是00001、00002这种，而且短码都是递增的，随机不起来，看着也不好看。
压缩文本还有一种思路，将文本视为数字，增加这些数字的底数。如果原本的底数是10进制，升到100进制，长度肯定缩短。进制越高越好。下面就是要看HTTP自身URL支持多少字符。HTTP的URL支持0到9十个数字，52个字母（包括大小写），还有一些其它字符，如下表所示。但是这些特殊字符在URL里面都是用用途的，所以不能用来编码。那么，显而易见，只能使用数字和大小写字母，也就是62个。将URL压缩成62进制，是最短的压缩方式了。
除了普通的字母，数字，中文，还有特殊字符，但是规范的使用应该是使用字符转义。
“+” URL 中+号表示空格 %2B
“空格” URL中的空格可以用+号或者编码 %20
“/” 分隔目录和子目录 %2F
“?” 分隔实际的 URL 和参数 %3F
“%” 指定特殊字符 %25
“#” 表示书签 %23
“&” URL 中指定的参数间的分隔符 %26
“=” URL 中指定参数的值 %3D
“" 表示目录路径 %5C
“.” 句号 %2E
“:” 冒号 %3A
MD5加密，可以将任意文本生成一个32位的数字，每一位用16进制表示。然后转成上面提到的62进制数字，这样既不会发生碰撞，又能够起到压缩效果。试了一下，压缩完长度是12。去查了一下，谷歌提供的短网址提供5位压缩码，而新浪提供的是7位编码。看来这样还是不行。
最后，短码就只能是用ID来表示了，从0算起，这样可以保证长度不会太长，并且不会碰撞。5位62进制数字，可以表示62^5个短网址，算下来是9亿多个。我觉得妥妥够用了。
最后还有一个问题，就是上面提到的，ID是连续分配的，短网址也无法打散。去Github找了一个用Python写的打散算法，设定一个区间，将区间内的数字反转。比如，设定区间位8，要打散的ID是100000001，共9位，那么，反转之后就是110000000。这样，下一个数字100000010，打散之后是101000000。再对其进行62进制压缩之后，两个连续的URL也可以保证短网址完全打散，并且不会发生碰撞。
参考文献
原文链接：网址压缩的调研分析，转载请注明来源！
–EOF–