【大家的项目】Rust Base62 库学习和分析

背景

在学习设计 Short URL 时尝试基于 Rust 编写了一个 Base62 库 base62num。后来发现已经有一个 Rust 库 base-62 提供了 Base62 的功能。

差异分析

因此我尝试对比 base-62 和自己项目的源码和功能做了一次学习。

字符集映射

base-62 使用的字符集是：

0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz

而 base62num 中使用的是：

ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789

我在构建 base62num 时纠结过 alphanumeric 的顺序，但是没有找到明确的标准说明顺序。只有 Wikipedia 中明确给出了字符映射表，所以我选择了后者。

正整型的形式

开始设计时，我只考虑了 32 bit 的 MurmurHash，所以认为 usize 已经可以满足需求。但实际上 usize 的大小对于 Base62 的使用场景来说还是不太够用的。

我们来看看 base-62 中的设计思路。在 base-62 中 encode 的参数是 bytes：

pub fn encode(bytes: &[u8]) -> String

文档中是这样描述这个参数 bytes 的定义的：

A byte array (leading zeros allowed) is prepended with 0x01 and is treated as a big-endian unsigned integer (num_bigint::BigUint).

这样带来了一个好处：该库的参数不受类型定义限制。因为无论是标准库1还是 num_bigint 2都实现了对 byte array 的转化。所以将 byte array 避免了适应不同的类型，提高了通用性。这一点非常值得学习。

实现差异

常量定义

base-62 定义字母表常量时使用的类型是 [char; 62]，而非 String。这样可以避免反复执行 String::chars 的 CPU 消耗。

错误处理

base-62 在定义错误类型时使用了 failure 库，降低了代码复杂度。是一个不错的方法。

未来计划

一开始没有使用 base-62 的原因是没有理解为什么使用了 byte array 这样的方式作为参数。目前 base-62 对我而言美中不足的就是字母表顺序和我预期不一致。未来会考虑将自己的项目存档，通过 features 给 base-62 提供可选的其他字母表顺序的支持。

1. 以 usize 为例，提供了 to_be_bytes 方法。u32, u64 等也均有此方法。↩︎
2. num_bigint 也实现了 byte array 转换，但是使用了的名称 to_bytes_be，和标准库中（如 std::usize::to_be_types）不一致，需留意。↩︎