在 PHP 中生成可打印字符串的最节省空间的编码？答案

【问题标题】：Most space efficient encoding that generate printable string in PHP?在 PHP 中生成可打印字符串的最节省空间的编码？
【发布时间】：2013-06-23 13:53:19
【问题描述】：

我有一个大字符串$string，当应用于md5()时，给我

c4ca4238a0b923820dcc509a6f75849b

长度是32，我想减，所以

base64_encode(md5($string, true));

xMpCOKC5I4INzFCab3WEmw==

删除最后两个 == 它给了我一个长度 = 22 的字符串。

还有其他更好的算法吗？

【问题讨论】：

一个选项是压缩字符串。您想在这里实现什么目标？
一般来说，允许使用的字母越大，编码值所需的字符就越少。只有您可以说出您可以使用的字母大小。
你对最终字符串的计划是什么？是为了比较大字符串吗？所以你只想得到一个几乎唯一的哈希值？
有多短才算够短？
@Ryan，知道您是否要从“缩短”的字符串中取回原始字符串非常重要。如果是这样，那么 md5 是不行的。

标签： php hash base64 md5

【解决方案1】：

我不确定您是否意识到md5 是一个哈希函数，因此是不可逆的。如果您不关心可逆性，您也可以将md5 哈希（或您喜欢的任何哈希*）修剪为任意数量的字符。所有这一切都会增加碰撞的可能性（我感觉这不会产生均匀分布）。

如果您正在寻找可逆（即非破坏性）压缩，请不要重新发明轮子。使用内置函数，如gzdeflate()或gzcompress()，或other similar functions。

*这是list of hash functions（维基百科）及其输出的大小。我想最小的“哈希函数”应该是parity bit :)

【讨论】：

【解决方案2】：

一种更好的方法是，不要将二进制转换为十六进制（如 md5 那样），然后将 字符串 转换为 base64，而是将十六进制 md5 直接转换为 base64。

由于十六进制是每个字符 16 位，base64 是每个字符 64 位，所以每 2 个十六进制字符将组成一个 base64 字符。

要执行转换，您可以执行以下操作：

将字符串分成 16 个 2 个字符的块
第一个字符应乘以 2 并添加到第二个字符（请记住 A-F = 10-15）。
可以使用此处的表将这个数字与 base64 方案匹配：https://en.wikipedia.org/wiki/Base64

这将产生一个 16 字符的 base64 字符串，其值与 md5 字符串的十六进制表示形式相同。

理论上，你可以对任何基地做同样的事情。如果我们有办法用 ASCII 编码 base128 字符串，我们可以得到一个 8 个字符的字符串。不过由于字符集有限，我认为base64是常用的最高基数。

【讨论】：

更简单的方法：将true 作为第二个参数传递给md5() 以使其返回原始输出。

【解决方案3】：

你想要的字符串的length越小..possible combination的个数越小

有声望的可能性总数

总可能性 = n^r

由于我们正在处理 base64 具有可打印输出，这意味着我们只有 64 个字符

 n = 64

如果您正在查看 22 个字母的长度

n^r = 64²² = 5,444,517,870,735,015,415,413,993,718,908,291,383,296 种可能性

回到你的问题：有没有更好的算法？

将具有良好散列的字符串截断为所需的长度，因为总的可能性和冲突是固定的

$string = "the fox jumps over the lazy brown dog";
echo truncateHash($string, 8);

输出

9TWbFjOl

使用的功能

function truncateHash($str, $length) {
    $hash = hash("sha256", $str, true);
    return substr(base64_encode($hash), 0, $length);
}

【讨论】：

【解决方案4】：

这种编码生成更短的字符串，

print base64_encode(hash("crc32b",$string,1));

输出

qfQIdw==

【讨论】：

CRC32 是一种不可逆的转换。您不妨截断哈希。
@duskwuff md5也是不可逆的变换，都是hashing algorithms
那么，我们有每±2^32 个字符串发生冲突吗？ 我喜欢蛮力……
@bwoebi 这取决于他想在哪里使用此类哈希的 OP，但在这种特殊情况下，哈希长度似乎至关重要。至于安全问题，有sha256 和sha512 是弱md5 的替代品

【解决方案5】：

不确定 MD5 是否适合您，但我会假设您有理由坚持使用此算法并正在寻找更短的表示。有几种可能性可以生成具有不同字母的较短字符串：

选项 1：二进制字符串

MD5 的最短可能形式是它的二进制表示，要获得这样的字符串，您可以简单地调用：

$binaryMd5 = md5($input, true);

这个字符串可以像数据库中的任何其他字符串一样存储，它只需要 16 个字符。只需确保使用 mysqli_real_escape_string() 或参数化查询 (PDO) 进行适当的转义即可。

选项 2：Base64 编码

Base64 编码将生成一个带有以下字母的字符串：[0-9 A-Z a-z + /] 并使用 '=' 作为填充。这种编码速度非常快，但有时会包含不需要的字符“+/=”。

$base64Md5 = base64_encode(md5($input, true));

对于 MD5 哈希，输出长度始终为 24 个字符。

选项 3：Base62 编码

base62 编码仅使用字母表 [0-9 A-Z a-z]。这样的字符串可以安全地用于任何目的，例如 URL 中的标记，而且它们非常紧凑。我写了一个base62 encoder，它能够将二进制字符串转换为base62 字母表。这可能不是最快的实现，但我的目标是编写可理解的代码。同一个类可以很容易地适应不同的字母表。

$base62Md5 = StoBase62Encoder::base62encode(md5($input, true));

MD5 哈希的输出长度从 16 到 22 个字符不等。

【讨论】：

【解决方案6】：

Base 91 看起来是最节省空间的二进制到 ASCII 可打印编码算法（这似乎是您想要的）。

我还没有看到 PHP 实现，但如果您的软件必须与其他软件一起使用，我会坚持使用 Base 64；它广为人知，速度极快，随处可用。

【讨论】：

【解决方案7】：

首先，回答您的问题：是的，有更好的算法（如果“更好”是指“更短”）。

将hash() 函数（它是PHP 核心的一部分，自PHP 5.1.2 起默认启用）与adler32、fnv132、crc32、crc32b、@ 中的任何一个一起使用987654329@ 或joaat 算法。

如果对您当前的情况没有更深入的了解，您不妨选择您认为听起来最酷的那个。

这是一个例子：

hash('crc32b', $string)

我设置了an online example你可以玩玩。

其次，我想指出，您所问的是another question here on stackoverflow 的几乎完全相同的副本。

【讨论】：

【解决方案8】：

我从您的帖子中了解到您正在搜索散列算法而不是压缩。

在 php 中有各种标准的散列算法。看看 PHP hashing functions。根据您要散列的内容，有不同的方法。小心计算平均碰撞概率。

但是，您似乎正在搜索“压缩”，它输出给定字符串的最小可能大小的字符。如果有，请查看Lempel–Ziv–Welch (php implementation) 或others。

【讨论】：