从书名中生成假的ISBN？ （或者：如何将字符串散列为6位数字ID）

Question

简短版本：如何将任意字符串转换为最小碰撞的6位数字？

长版：

我正在使用一个小型图书馆，里面有一堆没有ISBN的图书。这些通常是来自小型出版商的较旧的，绝版的标题，这些出版商从未获得过ISBN，我想为他们生成假的ISBN来帮助他们进行条形码扫描和贷款。

从技术上讲，真实的ISBN由商业实体控​​制，但可以使用该格式来指定不属于真实发布者的数字（因此不应导致任何冲突）。

格式如下：

978-0-01-######-?

给你6个数字，从000000到999999，用？最后是校验和。

是否可以在此方案中将任意书名转换为6位数字，并且碰撞的可能性极小？

Answer 1

在使用making a fixed-length hash的代码段并计算ISBN-13 checksum之后，我设法创建了非常难看的C＃代码，似乎可行。它将采用任意字符串并将其转换为有效（但假的）ISBN-13：

       public int GetStableHash(string s)
       {
           uint hash = 0;
           // if you care this can be done much faster with unsafe 
           // using fixed char* reinterpreted as a byte*
           foreach (byte b in System.Text.Encoding.Unicode.GetBytes(s))
           {   
               hash += b;
               hash += (hash << 10);
               hash ^= (hash >> 6);    
           }
           // final avalanche
           hash += (hash << 3);
           hash ^= (hash >> 11);
           hash += (hash << 15);
           // helpfully we only want positive integer < MUST_BE_LESS_THAN
           // so simple truncate cast is ok if not perfect
           return (int)(hash % MUST_BE_LESS_THAN);
       }

       public int CalculateChecksumDigit(ulong n)
       {
           string sTemp = n.ToString();
           int iSum = 0;
           int iDigit = 0;

           // Calculate the checksum digit here.
           for (int i = sTemp.Length; i >= 1; i--)
           {
               iDigit = Convert.ToInt32(sTemp.Substring(i - 1, 1));
               // This appears to be backwards but the 
               // EAN-13 checksum must be calculated
               // this way to be compatible with UPC-A.
               if (i % 2 == 0)
               { // odd  
                   iSum += iDigit * 3;
               }
               else
               { // even
                   iSum += iDigit * 1;
               }
           }
           return (10 - (iSum % 10)) % 10;
       }


       private void generateISBN()
       {
           string titlehash = GetStableHash(BookTitle.Text).ToString("D6");
           string fakeisbn = "978001" + titlehash;
           string check = CalculateChecksumDigit(Convert.ToUInt64(fakeisbn)).ToString();

            SixDigitID.Text = fakeisbn + check;
       }

Answer 2

6位数允许大约10M的可能值，这对于大多数内部使用来说应该足够了。 在这种情况下，我会使用序列，因为6位校验和具有相对较高的碰撞机会。

因此，您可以将所有字符串插入到散列中，并在索引后使用索引编号作为ISBN，或者在排序后使用它。
这应该使碰撞几乎不可能，但它需要保留一些“已分配”的ISBN以避免将来发生冲突，并保留已经存储的标题列表，但这是您最有可能想要保留的信息。

另一种选择是打破ISBN标准并使用十六进制/ uuencoded条形码，这可能会将可能的范围增加到可能使用截断到适合的加密哈希的点。

我建议，既然你正在处理可能有多个版本大写和标点不同的旧书籍，我会删除标点符号，重复的空格并在比较之前将所有内容转换为小写，以尽量减少技术复制的可能性字符串是不同的（除非您希望不同的版本具有不同的ISBN，在这种情况下，您可以忽略此段落。）