快捷導(dǎo)航

使用Python進(jìn)行新浪微博的mid和url互相轉(zhuǎn)換實(shí)例（10進(jìn)制和62進(jìn)制互算）

更新時(shí)間：2014年04月25日 10:19:17 作者：

我們?cè)谑褂眯吕宋⒉〢PI時(shí)，有時(shí)需要得到一個(gè)微博的url，但是如statuses/public_timeline等接口中取得的微博status的字段中并沒(méi)有包含

不過(guò)，status中包含了一個(gè)mid字段，通過(guò)mid，我們實(shí)際上是可以通過(guò)計(jì)算得到url的。

在開(kāi)始計(jì)算之前有必要說(shuō)明一下，什么是base62編碼。它實(shí)際上就是十進(jìn)制和62位進(jìn)制的互換。對(duì)于62進(jìn)制，從0數(shù)到9以后，10用小寫(xiě)字母a表示，接著數(shù)完26個(gè)字母，到z為35，然后36為大寫(xiě)字母A，一直到61為大寫(xiě)字母Z。所以，我們可以實(shí)現(xiàn)十進(jìn)制數(shù)字base62編碼的encode和decode。下面的代碼實(shí)際上來(lái)自stackoverflow：

復(fù)制代碼代碼如下:

ALPHABET = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"

def base62_encode(num, alphabet=ALPHABET):
    """Encode a number in Base X

    `num`: The number to encode
    `alphabet`: The alphabet to use for encoding
    """
    if (num == 0):
        return alphabet[0]
    arr = []
    base = len(alphabet)
    while num:
        rem = num % base
        num = num // base
        arr.append(alphabet[rem])
    arr.reverse()
    return ''.join(arr)

def base62_decode(string, alphabet=ALPHABET):
    """Decode a Base X encoded string into the number

    Arguments:
    - `string`: The encoded string
    - `alphabet`: The alphabet to use for encoding
    """
    base = len(alphabet)
    strlen = len(string)
    num = 0

    idx = 0
    for char in string:
        power = (strlen - (idx + 1))
        num += alphabet.index(char) * (base ** power)
        idx += 1

    return num

下面先說(shuō)url到mid的轉(zhuǎn)換。對(duì)于一個(gè)新浪微博url，它是形如：http://weibo.com/2991905905/z579Hz9Wr，中間的數(shù)字是用戶的uid，重要的是后面的字符串“z579Hz9Wr”。它的計(jì)算其實(shí)也很簡(jiǎn)單，從后向前四個(gè)字符一組，就得到：

復(fù)制代碼代碼如下:

z
579H
z9Wr

將每個(gè)字符串用base62編碼來(lái)decode，就可以得到它們的十進(jìn)制數(shù)字分別為：

復(fù)制代碼代碼如下:

35
1219149
8379699

將它們拼起來(lái)就可以得到mid為：“3512191498379699”。這里要強(qiáng)調(diào)的是：對(duì)于除了開(kāi)頭的字符串，如果得到的十進(jìn)制數(shù)字不足7位，需要在前面補(bǔ)足0。比如得到的十進(jìn)制數(shù)分別為：35，33040，8906190，則需要在33040前面添上兩個(gè)0。
代碼如下：

復(fù)制代碼代碼如下:

def url_to_mid(url):
    '''
    >>> url_to_mid('z0JH2lOMb')
    3501756485200075L
    >>> url_to_mid('z0Ijpwgk7')
    3501703397689247L
    >>> url_to_mid('z0IgABdSn')
    3501701648871479L
    >>> url_to_mid('z08AUBmUe')
    3500330408906190L
    >>> url_to_mid('z06qL6b28')
    3500247231472384L
    >>> url_to_mid('yCtxn8IXR')
    3491700092079471L
    >>> url_to_mid('yAt1n2xRa')
    3486913690606804L
    '''
    url = str(url)[::-1]
    size = len(url) / 4 if len(url) % 4 == 0 else len(url) / 4 + 1
    result = []
    for i in range(size):
        s = url[i * 4: (i + 1) * 4][::-1]
        s = str(base62_decode(str(s)))
        s_len = len(s)
        if i < size - 1 and s_len < 7:
            s = (7 - s_len) * '0' + s
        result.append(s)
    result.reverse()
    return int(''.join(result))

mid轉(zhuǎn)為url也就很簡(jiǎn)單了，對(duì)于一個(gè)mid，我們從后向前每7位一組，用base62編碼來(lái)encode，拼起來(lái)即可。同樣要注意的是，每7個(gè)一組的數(shù)字，除了開(kāi)頭一組，如果得到的62進(jìn)制數(shù)字不足4位，需要補(bǔ)足0。

復(fù)制代碼代碼如下:

def mid_to_url(midint):
    '''
    >>> mid_to_url(3501756485200075)
    'z0JH2lOMb'
    >>> mid_to_url(3501703397689247)
    'z0Ijpwgk7'
    >>> mid_to_url(3501701648871479)
    'z0IgABdSn'
    >>> mid_to_url(3500330408906190)
    'z08AUBmUe'
    >>> mid_to_url(3500247231472384)
    'z06qL6b28'
    >>> mid_to_url(3491700092079471)
    'yCtxn8IXR'
    >>> mid_to_url(3486913690606804)
    'yAt1n2xRa'
    '''
    midint = str(midint)[::-1]
    size = len(midint) / 7 if len(midint) % 7 == 0 else len(midint) / 7 + 1
    result = []
    for i in range(size):
        s = midint[i * 7: (i + 1) * 7][::-1]
        s = base62_encode(int(s))
        s_len = len(s)
        if i < size - 1 and len(s) < 4:
            s = '0' * (4 - s_len) + s
        result.append(s)
    result.reverse()
    return ''.join(result)

運(yùn)行doctest可以看到所有的測(cè)試用例都通過(guò)了。

最后其實(shí)我不太明白為什么新浪微博不直接把url包含在字段中，而新浪微博的開(kāi)放平臺(tái)也有很多不符合標(biāo)準(zhǔn)的地方，其實(shí)本文的內(nèi)容并沒(méi)有什么技術(shù)含量，不過(guò)就是讓開(kāi)發(fā)人員折騰一下。還有比如refresh token的問(wèn)題等等，這里就不一一枚舉了。

您可能感興趣的文章: