|
锁定老帖子 主题：淘宝网的搜索关键字的编码与解码
该帖已经被评为良好帖
|
|
|---|---|
| 作者 | 正文 |
|
发表时间：2008-12-04
我来给大家剖析一下吧，淘宝的原来一帮人是从阿里出来的。而阿里最强悍的就是SEO。
这样大家是否有点清楚了。 SEO对URL还是非常的看重的，而url中如果包含太多中文等字符的话，对SEO还是不友好。 那么搞一个英文加字符的编码对机器来说还是比较容易好搞的。 至于非要自己搞一个，那其实这也不是什么特别难的东东，增加一些神秘感不是更好。 |
| 返回顶楼 | |
|
发表时间：2008-12-04
还有一个就是对于Cache和CDN来说统一的URL是容易管理的。
|
| 返回顶楼 | |
|
发表时间：2008-12-04
最后修改：2008-12-04
现在把问题优化一下，人类可读无歧义的文本码有0-9，A-Z,a-z共62个
设取出x个作为标志位则(62-x) * x + (62 - x) >= 256 解这个二元一次方程得到: 3.366<=X<=57.634 考虑到编码的文本长度，取x的最小值，即 4 最优解： 用0, 1, 2, 3做为标志位 4-9，A-Z, a-z参与编码并与标志位配合实现8位字节的文本化 这种编码的冗余度为80% |
| 返回顶楼 | |
|
发表时间：2008-12-04
这个贴子要收藏，很好，以后一定能用得上的。
楼主太强了。 |
| 返回顶楼 | |
|
发表时间：2008-12-04
yangyi 写道 现在把问题优化一下，人类可读无歧义的文本码有0-9，A-Z,a-z共62个
设取出x个作为标志位则(62-x) * x + (62 - x) >= 256 解这个二元一次方程得到: 3.366<=X<=57.634 考虑到编码的文本长度，取x的最小值，即 4 最优解： 用0, 1, 2, 3做为标志位 4-9，A-Z, a-z参与编码并与标志位配合实现8位字节的文本化 这种编码的冗余度为80% 不好意思·没看懂，能详细点吗？ |
| 返回顶楼 | |
|
发表时间：2008-12-04
yangyi 写道 6位都已经是无奈之举了，还要用5位，那不是对现有资源的浪费吗，在不增加url长度的情况下充分提高效率，6位编码是最佳的。如果可以任意的饿牺牲url长度，可以把0-9全部拿出来当做标记位，0-9不会单独出现，这样一共有10*26 + 26 = 286 种可能还不包括小写字母，此外还有=，+，-什么的至少256可以编码8位的字节了，这样处理效率就提高了
我是完善的这个帖子 |
| 返回顶楼 | |
|
发表时间：2008-12-04
全部看完还是一塌糊涂。。。也算是知道几点：1、有利于缩短url；2、是不是也能屏蔽掉有害字符？！3、为啥不用post？都post了，搜索引擎就不收录了。
|
| 返回顶楼 | |
|
发表时间：2008-12-04
最后修改：2008-12-04
跟效率没有关系， 还有URL的并不能变短， BASE64编码好处是字符编码范围有限度。这么做完全让复杂的URL看上去好看点， 方便SEO。 其他的没有什么问题。 另外一个是隐藏URL的具体参数的含义。 这个需要有个强大的正则表达规则来解析URL， 开发的时候，还是URL？PARAM＝XX的形式。 这个问题没有好追究的， 一个简易的URL人们总是比较喜欢而已。
另外， 还有一个开发经验的问题， URL实际上大小写， 在EMAIL中发送， 都存在各种问题， 完全使用ASCII也可以避免汉字编码问题。 反正这个URL都通过一个专用URL生成的工具完成的。 URL的处理经验是通过血的教训得到的， 那些RFC推荐的规范未必适合做应用。 不是说这个方法是完美的， 可是能解决很多问题。 网站的性能不是在文本处理上， 目前的CPU的计算能力已经超过很多开发人员的想象了。 对了， 我不是TAOBAO的， 别PM问我了。。。。 |
| 返回顶楼 | |
|
发表时间：2008-12-04
air82 写道 我觉得，首先，为什么不用普通的参数，我想是这样，淘宝的服务器压力很大，对应用的性能要求应该很苛刻，搜索的时候你看起来你输入只是一个关键字，实际上远远不止，有几十个参数，如果用一组事先约定好位置的数据来表示各种参数，服务器不用解析那么多的字符串，不用处理那么多的参数名=参数，虽然开发维护起来会增加一些工作量，但是服务器压力会小一些，流量会小一些。
至于编码方式，回应楼上某位同学的话，base64编码不是淘宝自己搞出来的，是email刚出现时特殊历史时期的产物，具体的可以google一下，base64编码后数据量比urlencode少60％左右  这点计算， 跟性能无关， 实际上这个URL增加了处理URL的时间。 |
| 返回顶楼 | |
|
发表时间：2008-12-04
sdh5724 写道 这点计算， 跟性能无关， 实际上这个URL增加了处理URL的时间。 跟性能无关也对，从淘宝网上可以看出，以淘宝商城为例： 搜索：gembler 是先post到 - http://list.mall.taobao.com/search_dispatcher.htm 然后分发到 - http://list.mall.taobao.com/search_product.htm?type=p&sort=st&style=g&at_topsearch=1&user_action=initiative&q=gembler 再解析为 - http://list.mall.taobao.com/0/g-st----g,m5sw2ytmmvza-40-0--0.htm - 并redirect。 最后才response 但是这个过程一般是感觉不到 |
| 返回顶楼 | |
