用于为字符串生成唯一（常量）代码的算法，该代码应该是可逆的

Question

要求：

我们在DB中有值

Chennai
Baroda
Bangalore
New Delhi
São Paulo, Lisboa
San Jose

等...

所以我想将这些字符串转换为唯一的短字符串。例如

Chennai –> xy67kr

San Jose –> iuj73d

基本上类似于URL缩短。

转换它的算法应该是可逆的。即当我将“xy67kr”传递给解码函数时，它应该给我“Chennai”。

期待寻求帮助。

Answer 1

请参阅my answer类似问题，然后将其重写为PHP：

编码：

$encoded = base64_encode(gzdeflate("São Paulo, Lisboa"))

解码：

$decoded = gzinflate(base64_decode($encoded))

请注意，gzdeflate在短字符串上的效果优于gzcompress。

但无论如何，问题在于，对于短字符串，它会使字符串更长。这在较长的文本上表现更好。 当然最好使用一些具有先验信息的压缩算法，例如带有初始后缀树的ppm或后缀方法......然后它也可以在短字符串上完美地工作。

Answer 2

正如其他海报所说，你不可能有一个缩短任意字符串的功能，这在数学上是不可能的。但是您可以创建一个适合您特定字符串集的自定义函数。

示例方法是计算集合中的字符频率，然后只用prefix code对字符进行编码，使得最常用的字母用短前缀编码（即Huffman coding。）< / p>

上述方法没有利用以下事实：在自然语言中，下一个字符可以从之前的字符中进行非常准确的预测，因此您可以扩展上述算法，以便不对独立编码字符进行编码，而是对下一个字符进行编码在一个n克。这当然需要比简单方法更大的压缩表，因为根据前缀，您实际上有一个单独的代码。例如，如果'e'在'th'之后非常频繁，那么'th'之后的'e'用非常短的前缀编码。如果'e'在'ee'之后非常罕见，那么在这种情况下它可以使用非常长的前缀进行编码。解码算法显然需要查看当前解压缩的前缀，以检查如何解码下一个字符。

这种一般方法假设频率不会改变，或至少变化缓慢。如果您的数据集发生了更改，则可能需要重新计算统计信息并重新编码字符串。

Answer 3

您不能将任意长度的字符串缩短为固定长度的字符串。

您可以做的是为数据库中该特定字符串的行的唯一ID 创建这些短字符串。以下是一些提示：How to design a sequential hash-like function。

Answer 4

这不一定是确定性的，但显然你可以使用查找表。该服务类似于goo.gl或imgur