字符串的 Base62 哈希

Question

我想做fingerprint = Digest::SHA256.base64digest(str) 之类的事情，但要使用 base62 而不是 base64。如何有效地构建任何字符串的唯一 base62 编码字符串哈希？

Answer 1

Base 64 广泛用于编码二进制数据，因为 6 位恰好适合一个字符，但仍有足够的可打印 ASCII 字符来表示所有可能的模式。换句话说，64 个可用字符代表从十进制 0 到十进制 63 的所有 64 种不同的位模式。

将二进制数据编码为基数 62 存在几个问题，因为大小为 62 的字母表并不适合。您可以将摘要算法中的二进制数据映射为 32 位块，然后将这些 5 位块中的每一个分配给一个字符。然而，这意味着“v”上面的字符将不再被使用，所以你最终会得到一个基本的 32 编码。

就效率而言，base 62永远不会接近 base64。 Base 64 编码非常简单：取 6 位，将它们映射到一个字符上，重复直到完成。这很简单，因为 64 是 2 的幂。但是，对于基数 62，您将不得不转换为整数并开始在每一步中结转“余数”，因为模式不均匀。

所以我的建议是使用不同的编码，你可能不喜欢。

--

如果您需要 url 安全编码，例如，您可以使用以下之一：

# sample string
str = 'foo'

# original base 64 method for comparison
Digest::SHA256.base64digest(str)
#=> "LCa0a2j/xo/5m0U8HTBBNBNCLXBkg7+g+YpeiGJm564="

# url safe variant (no slash or plus characters)
Base64.urlsafe_encode64(Digest::SHA256.digest(str))
#=> "LCa0a2j_xo_5m0U8HTBBNBNCLXBkg7-g-YpeiGJm564="

# hexadecimal (base 16)
Digest::SHA256.hexdigest(str)
#=> "2c26b46b68ffc68ff99b453c1d30413413422d706483bfa0f98a5e886266e7ae"

# or base 32
# gem install base32
require 'base32'
Base32.encode(Digest::SHA256.digest(str))
#=> "FQTLI23I77DI76M3IU6B2MCBGQJUELLQMSB37IHZRJPIQYTG46XA===="

# or with direct url encoding
# not pretty, but url safe!
require 'open-uri'
URI::encode(Digest::SHA256.digest(str))
#=> ",&%B4kh%FF%C6%8F%F9%9BE%3C%1D0A4%13B-pd%83%BF%A0%F9%8A%5E%88bf%E7%AE"

# or url url escaped base 64
# not pretty, but url safe!
require 'cgi'
CGI::escape(Digest::SHA256.base64digest(str))
#=> "LCa0a2j%2Fxo%2F5m0U8HTBBNBNCLXBkg7%2Bg%2BYpeiGJm564%3D"

--

编辑：这是一个非常非常非常低效的 base62 实现 ;-)

# gem install base62
require 'base62'

def pack_int(str)
  str.unpack('C*').each_with_index.reduce(0){|r,(x,i)| r + (x << 8*i) }
end

def unpack_int(int)
  n = (Math.log2(int)/8).ceil
  n.times.map{|i| (int >> 8*i) & 255 }.pack('C*')
end

def base62_encode(str)
  Base62.encode(pack_int(str))
end

def base62_decode(encoded)
  unpack_int(Base62.decode(encoded))
end

str = "foo"

# encode
digest = Digest::SHA256.digest(str)
fingerprint = base62_encode(digest)
#=> "fTSIMrZT3fDTvW7XDBq1b7nhWa24Zl55EVpsaO3TBBE"

# decode
recovered_digest = base62_decode(fingerprint)
#=> ",&\xB4kh\xFF\xC6\x8F\xF9\x9BE<\x1D0A4\x13B-pd\x83\xBF\xA0\xF9\x8A^\x88bf\xE7\xAE"

digest == recovered_digest
#=> true