Way1
先说第二种方式, 将长网址根据一种映射规则转换成短网址, 数据库中保存长/短网址, 重复长网址只读对应的短网址, 请求短网址,在数据库中查找对应的长网址并redirect. 映射规则如下:
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;
这种方式, 挺容易理解的, 说白了就是把长网址根据自身的信息(md5)根据一定策略映射成短网址... 缺点: 产生冲突, 虽说md5值不太会产生冲突, 不过只取里面的连续8个字节,,,冲突也许可能maybe. 但因为还有3个备选字串, 可以先查找一下是否已经使用, 如果使用就在这3个里面再选一个, 这4个串全部冲突的概率应该是非常小的...
Way2
而第一种方式, 话说刚看, 还以为错了, 就像有人留言中抛出了异常, 因为我们很容易理解为是对某个url进行处理生成短url, 这样执行后肯定会抛出TypeError: unsupported operand type(s) for &: 'str' and 'long'的错误. 仔细看一下的话, 原来他不对长url进行处理, 而是完全不管这个长url, 只把它存入数据库(当然存入之前看一下有没重复的...),然后根据这条记录的唯一的id来生成一个短url. id到短url的映射规则看代码吧, 主要是使用了类似洗牌算法... 话说, 里面有一大堆的移位, 与操作,,,晕乎晕乎的, 有兴趣的话再仔细看吧.
附上博文的大概意思:
Python implementation for generating Tiny URL- and bit.ly-like URLs. 生成如TinyURL或和bit.ly类似的URL.
A bit-shuffling approach is used to avoid generating consecutive, predictable URLs. However, the algorithm is deterministic and will guarantee that no collisions will occur. 使用位洗牌尽可能避免生成连续的, 可预测的URLs. 这个算法具有确定性, 并能保证不发生冲突.
The URL alphabet is fully customizable and may contain any number of characters. By default, digits, upper- and lower-case letters are used, with some removed to avoid confusion between characters like o, O and 0. The default alphabet is shuffled and has a prime number of characters to further improve the results of the algorithm.
URL字符是可自定义的, 可以包含任意字符, 默认是数字,大小写字符, 其中还有些容易混淆的字符,如0,o,O被去除了. 默认的字符表是可shuffled并且,他的个数是质数以进一步保证算法结果.
The block size specifies how many bits will be shuffled. The lower BLOCK_SIZE bits are reversed. Any bits higher than BLOCK_SIZE will remain as is. BLOCK_SIZE of 0 will leave all bits unaffected and the algorithm will simply be converting your integer to a different base. 块的大小指明了需要洗牌的位数. 较低的BLOCK_SIZE位被逆转, 其余较高的位保持原样. 0的BLOCK_SIZE保持不变, 在这种情况下, 算法简单的将其转换成其他进制数.
The intended use is that incrementing, consecutive integers will be used as keys to generate the short URLs. For example, when creating a new URL, the unique integer ID assigned by a database could be used to generate the URL by using this module. Or a simple counter may be used. As long as the same integer is not used twice, the same short URL will not be generated twice. 目的是使用递增的,连续的数字作为key来生成短URL. 例如, 当创建一个新的URL时, 数据库赋予一个唯一的整型数ID, 此ID经过该模块后生成URL. 或者是使用一个简单的计数器. 只要保证不要重复使用同一个整数, 那么就能保证短URL不会重复.
The module supports both encoding and decoding of URLs. The min_length parameter allows you to pad the URL if you want it to be a specific length. 这个模块支持URL的编码和解码. min_length参数设定URL字符的长度.
Sample Usage:>>> import short_url >>> url = short_url.encode_url(12) >>> print url LhKA >>> key = short_url.decode_url(url) >>> print key 12
Use the functions in the top-level of the module to use the default encoder. Otherwise, you may create your own UrlEncoder object and use its encode_url and decode_url methods. 也可以使用模块封装好的encode_url和decode_url.
Experimentation
最后做了个小测试, 使用id方式, 因为GAE本身就有唯一的key, 非常方便... 获得短网址, http://liz.appspot.com/url/?a=http://www.google.com/, 获得短的url http://liz.appspot.com/hm3B/ 请求短网址时, 转到对应的长网址, 如果不存在直接404.