为 R 中的字符串创建唯一的、人类可读的标识符（哈希？）
Create unique, human-readable identifiers (hash?) for strings in R
我有一组字符串需要转换为唯一的短标识符。
标识符应该是：
- 独一无二；不同的字符串产生相同的标识符应该非常不太可能
- 自动；我不想创建/硬编码手动标识符（如：Id212）。
- 越短越好；这些标识符必须尽可能短，因为它们必须由人输入。
- 它们不必是十六进制，所有字母和数字都可以
- 应该很容易被人类处理，但不是人类可读的（他们应该不做出任何类型的感觉）。
- 密码安全性，除了唯一性，不是问题
我考虑过这样做：
string <- c("this is obviously an amateur")
library(digest)
hash <- digest(object = string, algo = "crc32", serialize = FALSE)
导致 "ac32ed9d"。
我的问题是：
- 我可以使用整个字母表使这个字符串更短吗？
- 似乎有人担心
crc32 会导致冲突 – 比如说 500 个很长的句子会有问题吗？
- 一般来说，这是解决问题的合理方法吗？
我对R不熟悉，但我会尽量给出一般问题的答案。
通常，哈希码会根据给定范围内的给定字符串或对象 (o) 生成一个数字 [0..R]。
N = hash(o,R)
您可以使用此数字生成一个短字符串，如下所示：
- 选择一系列字符（字母表）以供选择，例如
[A-Z,a-z,0-9]。用 L 表示它的大小（例如 L=62）
- 计算 N 的 base-L 表示。我们得到一系列数字
a_1,...,a_k，其中每个 a_i 是 [0 .. L-1] 中的一个数字
- 映射每个数字代表的字符：
0 -> A, 1 -> B, ..., 62 -> 9
您可以将生成的数字序列截断为您选择的长度 K。
可用序列的数量和冲突概率之间存在一个基本的权衡。当你使用一个好的散列函数时，你可以假设数字 N 在范围内均匀分布。当您选择了 L 个字符的字母表和 K 的序列长度时，碰撞概率为 (1/L)^K.
我有一组字符串需要转换为唯一的短标识符。
标识符应该是：
- 独一无二；不同的字符串产生相同的标识符应该非常不太可能
- 自动；我不想创建/硬编码手动标识符（如：Id212）。
- 越短越好；这些标识符必须尽可能短，因为它们必须由人输入。
- 它们不必是十六进制，所有字母和数字都可以
- 应该很容易被人类处理，但不是人类可读的（他们应该不做出任何类型的感觉）。
- 密码安全性，除了唯一性，不是问题
我考虑过这样做：
string <- c("this is obviously an amateur")
library(digest)
hash <- digest(object = string, algo = "crc32", serialize = FALSE)
导致 "ac32ed9d"。
我的问题是：
- 我可以使用整个字母表使这个字符串更短吗？
- 似乎有人担心
crc32会导致冲突 – 比如说 500 个很长的句子会有问题吗？ - 一般来说，这是解决问题的合理方法吗？
我对R不熟悉，但我会尽量给出一般问题的答案。
通常，哈希码会根据给定范围内的给定字符串或对象 (o) 生成一个数字 [0..R]。
N = hash(o,R)
您可以使用此数字生成一个短字符串，如下所示：
- 选择一系列字符（字母表）以供选择，例如
[A-Z,a-z,0-9]。用 L 表示它的大小（例如 L=62） - 计算 N 的 base-L 表示。我们得到一系列数字
a_1,...,a_k，其中每个a_i是 [0 .. L-1] 中的一个数字
- 映射每个数字代表的字符：
0 -> A, 1 -> B, ..., 62 -> 9
您可以将生成的数字序列截断为您选择的长度 K。
可用序列的数量和冲突概率之间存在一个基本的权衡。当你使用一个好的散列函数时，你可以假设数字 N 在范围内均匀分布。当您选择了 L 个字符的字母表和 K 的序列长度时，碰撞概率为 (1/L)^K.