PHPで文字列を短いハッシュ値に変える方法

データベースに長い文字列を保存するとき、主キー（データを区別する背番号）として使える短い文字列も用意できると便利です。

PHPの場合、どんな方法が使えるか？調べてみました。

PHP 短いハッシュ - Google 検索

CRC32を使うと、長い文字列が8文字に変換されます。

MD5を使うと、長い文字列が32文字に変換されます。

さらに、16進数を64進数に変換すればもう少し文字数が少なくなります。

hashidsというライブラリーは便利そうでしたが、可逆的な圧縮は必要ないので、ややオーバースペックに感じられました。（今回は不要？）

CRC32の問題点

文字列が8文字と短いのが魅力的でしたが、調べてみるとちょっと問題点もありそうでした。

巡回冗長検査 - Wikipedia

CRC-32と一般に呼ばれているIEEE 802.3のCRCは1975年に定められ、イーサネットなどの各種通信やZIPやPNGなど各所に使われている。

一口に「CRC32」といっても、いくつか種類があって、「CRC32」と「CRC32B」では違う方式＝違う文字列が生成されます。

（参考）

http://php.net/manual/ja/function.crc32.php

移植性を考慮した選択肢として、より汎用的な hash() を使う方法もあります。

hash("crc32b", $str) は str_pad(dechex(crc32($str)), 8, '0', STR_PAD_LEFT) と同じ文字列を返します。

PHPのhash("crc32", $str)とhash("crc32b", $str)は違う値を返します。

自分がどの「CRC32」を使っているか、注意して使えば問題ないはずですが、後でウッカリ間違いが生じるかもしれないので、今回はCRC32方式は不採用ということにしておきます。

採用案

上記の方法を参考にすると、

文字列をMD5で32文字（16進数）に変換する。
16進数を、さらに36進数や64進数に変換して短くする。

という方法が手軽で便利そうです。

この方法で短くした文字列（ハッシュ値）は、セキュリティーの強度がMD5と同じなので低いはずです。

外部に漏れても問題ないデータ（文字列）の短縮に使う。
パスワードのハッシュ化などには使わない。

<?php
function shortMD5 ($data) {
    return strtr(rtrim(base64_encode(pack('H*', md5($data))), '='), '+/', '-_');
};

function shortCRC32 ($data) {
    return strtr(rtrim(base64_encode(pack('H*', crc32($data))), '='), '+/', '-_');
};

$before = "Hello world!";
$shortMD5 = shortMD5($before); // hvsmnRkNLIX24EaM7KQqIA
$shortCRC32 = shortCRC32($before); // RhcHZpA
?>

上記のようなPHPの関数を用意して「Hello world!」（13文字）を変換すると、MD5方式だと「hvsmnRkNLIX24EaM7KQqIA」（23文字）になり、CRC32方式だと「RhcHZpA」（8文字）になりました。

元の文字列が23文字以内だと、あまり恩恵が感じられませんね？ｗ

「http://jsstudy.hatenablog.com/entry/How-to-convert-character-strings-to-a-short-hash-value-with-PHP」（100文字）を変換すると、MD5方式だと「TEIEovH1kI0VtyG6BkT21g」（23文字）になり、CRC32方式だと「U0IIMzA」（8文字）になりました。

まあ、これぐらいなら「短縮した！」って実感が湧きますねｗ

データの総数や元文字列の長さに応じて、MD5よりもCRC32（CRC32B）を採用した方が良い場合もありそうです。