将任何 ASCII 字符串唯一地编码为使用 ASCII 子集的字符串答案

【问题标题】：Uniquely encode any ASCII string into a string that uses a subset of ASCII将任何 ASCII 字符串唯一地编码为使用 ASCII 子集的字符串
【发布时间】：2021-03-19 07:30:03
【问题描述】：

对于这个问题，请假设python，但不一定重要。

假设你有一个任意的 ASCII 字符串，例如：

jrioj4oi3m_=\.,ei9#

保留大量细节，我需要将此字符串作为“标签”传递给另一个程序，但该程序不支持包含“特殊字符”或偶数的“标签”。所以我试图将一个 ASCII 字符串编码成一个使用任意 ASCII 子集的字符串。

一个非常幼稚的解决方案是将原始字符串转换为二进制，然后将 0 转换为“a”，将 1 转换为“b”。这可以解决我的问题，但我想在这里学习更好的解决方案，成为更好的程序员。

首先，这个问题到底叫什么？

这不完全是散列问题，因为 IIRC 散列通常涉及编码为比原始字符串短的字符串，并且涉及冲突。

我需要 no 冲突，我并不关心编码字符串有多长，只要它比简单的情况短。（理想情况下，这将是给定子集的最短长度）

事实上，最好明确指定允许的字符集是什么，然后使用通用编码算法进行编码。

也很高兴知道解码。

【问题讨论】：

您可以将您的输入视为 Base-N 中的数字（如果您允许完整范围的 ASCII 字符，则 N 为 128，如果您进一步限制输入，则小于该数字）和输出为 Base-M （M 是标签允许的字符数）。这就是 Base64 编码背后的基本思想（N 为 256，M 为 64）。

标签： python string encoding ascii decoding

【解决方案1】：

一个简单的解决方案是首先转换为十六进制编码：

jrioj4oi3m_=.,ei9# => 6a72696f6a346f69336d5f3d2e2c65693923

然后将任何数字翻译成非十六进制字母：

6a72696f6a346f69336d5f3d2e2c65693923 => waxswzwfwatuwfwzttwdvftdsescwvwztzst

所以输出字符串的长度总是输入字符串的两倍，并且只包含 a-z 范围内的字符。

这可以像这样在python中轻松实现：

>>> enc = str.maketrans('0123456789', 'qrstuvwxyz')
>>> dec = str.maketrans('qrstuvwxyz', '0123456789')
>>> s = 'jrioj4oi3m_=.,ei9#'
>>> x = s.encode('ascii').hex().translate(enc)
>>> x
'waxswzwfwatuwfwzttwdvftdsescwvwztzst'
>>> bytes.fromhex(x.translate(dec)).decode('ascii')
'jrioj4oi3m_=.,ei9#'

【讨论】：

【解决方案2】：

有趣的是，这实际上是一个非常简单且常见的数学问题：基数转换。作为程序员，您可能至少在理论上知道如何在以 2、10 和 16 为底的值表示之间进行转换。有 96 个可打印的 ASCII 字符，因此任何 ASCII 字符串都可以被认为是（可能非常大的）值的基本 96 表示。如果您的标签只接受 64 个字符（例如，大写、小写、数字和其他 2 个字符），那么您只需将 base 96 表示转换为相同值的 base 64 表示。解码只是将您的 base 64 表示转换回 base 96 表示。

【讨论】：