为R中的字符串创建唯一的，人类可读的标识符（哈希？）

Question

我有一组字符串需要转换为唯一的短标识符。

标识符应为：

• 独特;它应该非常不太可能不同的字符串导致相同的标识符
• 自动;我不想创建/硬编码手册标识符（如：Id212）。
• 尽可能短;这些标识符必须尽可能短，因为它们必须由人类输入。
• 他们不必是十六进制，所有字母和数字都可以使用
• 应该很容易被人类处理，但不是人类可读的（他们应该不做出任何感觉）。
除了唯一性之外，
• 加密安全性不是一个问题

我想过这样做：

string <- c("this is obviously an amateur")
library(digest)
hash <- digest(object = string, algo = "crc32", serialize = FALSE)

导致＆＃34; ac32ed9d＆＃34;。

我的问题是：

• 我可以使用整个字母来缩短此字符串吗？
• 似乎有人担心crc32造成冲突 - 这会是一个问题吗，比方说500长句？
• 这通常是解决这个问题的好方法吗？

Answer 1

我不熟悉R，但我会​​尝试回答一般问题。

通常，哈希码会在给定范围[0..R]内的给定字符串或对象（o）中生成一个数字。

N = hash(o,R)

您可以使用此数字生成短字符串，如下所示：

1. 选择一系列字符（alphabeth）供您选择，例如： [A-Z,a-z,0-9]。用L表示其大小（例如L = 62）
2. 计算N的基数L表示。我们得到一系列数字a_1,...,a_k，其中每个a_i是[0 .. L-1]中的数字
3. 映射其代表字符的每个数字：0 -> A, 1 -> B, ..., 62 -> 9

您可以在您选择的长度K处截断结果数字序列。

可用序列的数量与冲突概率之间存在基本权衡。当您使用良好的散列函数时，您可以假设数字N在该范围内均匀分布。当您选择L个字符的字母并且序列长度为K时，碰撞概率为（1 / L）^ K。