String 将名称字符串编码为唯一的数字

我有一大套名字（数以百万计）。它们每个都有一个名字、一个可选的中间名和一个姓氏。我需要将这些名称编码成一个唯一表示名称的数字。编码应为一个一，即名称应仅与一个数字关联，而数字应仅与一个名称关联

什么是一种聪明的编码方式？我知道根据名称在字母表集中的位置（a->1，b->2..等等）标记名称的每个字母表很容易，因此像Deepa这样的名称会得到->455161，但这里我无法确定“16”是真的16还是1和6的组合

因此，我正在寻找一种智能的名称编码方法

此外，编码应使得任何名称的输出数字中的位数应具有固定的位数，即，其应独立于长度。这可能吗

谢谢

---

Abhishek S

您在那里试图做的实际上是散列（至少如果您有固定数量的数字）。有一些很好的哈希算法，冲突很少。试一试sha1，例如，它经过了很好的测试，可用于现代语言（请参阅）——它对于git来说似乎已经足够好了，所以它可能适合您

当然，对于两个不同的名称使用相同的哈希值的可能性很小，但哈希始终是这样，可以处理。使用sha1之类的工具，名称和ID之间不会有任何明显的联系，这可能是好事，也可能是坏事，这取决于您的问题

如果您确实想要唯一的ID，那么您需要像NealB建议的那样，自己创建ID，并在数据库中连接名称和ID（您可以随机创建它们，检查冲突或增加它们，从0000000000001左右开始）

---

（仔细思考并阅读第一条评论后，答案会有所改进）

如果每个字符（至少加上空格）都占据一个位置，你可以翻译它

因此，ABC，即1，2，3必须翻译成

1*(2*26+1)² + 2*(53) + 3

---

通过这种方式，您可以对任意字符串进行编码，但如果输入的长度没有限制（应该如何限制？），则无法保证长度有上限

看一看。这是标准的方法。

要获得相同的宽度编号，您不能只将左侧的焊盘归零吗

一些选择：

把它们分类。数一数。第十个名字是数字10

将每个字符视为基数为26的数字（不区分大小写，不区分大小写） 数字）或52（不区分大小写，无数字）或36（不区分大小写） 带数字）或62（区分大小写带数字）号码。计算 整数中的值。例如，对于“abc”名称，您将有0*26^2+1* 26^1 + 2 * 20^0. 有时中国人的名字可能会用数字来表示音调

使用“完美哈希”方案：

这一条主要是在娱乐中建议的：使用goedel编号：）。所以 “abc”应该是2^0*3^1*5^2——它是素数幂的乘积。 分解数字会返回字符。数字 可能会变得很大

如果尚未使用，请转换为ASCII。然后分别治疗 在基数为256的编号系统中，作为数字的字符序号。 所以“abc”是0*256^2+1*256^1+2*256^0

如果您需要能够随时更新姓名和号码列表，那么#2、#4和#5应该可以使用#1和#3会有问题#5可能是最经得起未来考验的，尽管您可能会发现在某些时候需要unicode

---

我相信您可以将unicode作为#5的一个变体，使用2^32的幂，而不是2^8==256。

我一直在寻找一个与您提出的问题非常相似的解决方案，这就是我想到的：

def hash_string(value):
    score = 0
    depth = 1
    for char in value:
        score += (ord(char)) * depth
        depth /= 256.
    return score

如果您不熟悉Python，下面是它的功能

分数最初为0，深度设置为1

对于每个字符，添加

ord

值*深度

ord

函数返回每个字符的UTF-8值（0-255）

然后乘以“深度”

最后，深度除以256

从本质上讲，它的工作方式是，最初的角色增加更多的分数，而后来的角色贡献越来越少。如果需要整数，则将最终分数乘以2**64。否则，十进制值将在0-256之间。这种编码方案适用于二进制数据，因为一个字节/字符中只有256个可能的值

---

此方法适用于较小的字符串值，但是，对于较长的字符串，您会注意到十进制值需要比常规双精度（64位）更高的精度。在Java中，可以使用“BigDecimal”，在Python中，可以使用“decimal”模块来提高精度。使用此方法的一个好处是，返回的值按排序顺序排列，因此可以“高效”搜索它们。

您可以使用

biginger

对任意字符串进行如下编码：

BigInteger bi = new BigInteger("some string".getBytes());

要恢复字符串，请使用：

String str = new String(bi.toByteArray());

---

如果您想将答案限制在固定位数，这是最好的方法。否则，将它们实现为以26为基数的整数。不，他要求的是1:1的映射，这不是散列。但在我看来，从名称中计算一个值并要求一个固定长度的值会导致散列（至少在名称长度不受限制的情况下）@NickJohnson散列理论上不是一对一。但在现实生活中，你遇到一条的几率比宇宙线在错误时刻翻转的几率低几个数量级。如果你不担心第二个，为什么要担心第一个呢？@B我并不是说加密哈希在这里不起作用（尽管很难说OP真正想要实现什么）-只是你的第一句话“你在那里试图做的实际上是哈希”。这不能解决固定长度问题