如何对 Google 的实体 ID 进行逆向工程答案

【问题标题】：how to reverse engineer Google's entity ids如何对 Google 的实体 ID 进行逆向工程
【发布时间】：2019-09-24 06:29:50
【问题描述】：

Google 现在到处都在使用实体，它们通常以 /m/ 和 /g/ 为前缀（但我最近也看到了一些 /t/）

我想知道编号是如何工作的。对于 /m/ 有一个类似于 url 缩短器的模式。定义一个字母（在 /m/ 的情况下，这是 32 个字符“0123456789bcdfghjklmnpqrstvwxyz_”并将数字转换为“短 url”

例如/m/0 4swd 156524（“/m/0”似乎是一种前缀）

不过，我被 /g/ ID 卡住了。我从我看到的“0123456789bcdfghjklmnpqrstvwxyz_”的 ID 创建了一个合理的字母表，但我无法让它工作。

由于谷歌正在做一些自我转换，所以我有一个真实的例子： /g/11b6377dzp 576462201963131861

但我还是想不通。

我最感兴趣的是如何处理这个逆向工程问题的过程（当然还有结果）。有什么想法吗？

【问题讨论】：

它们是不透明的标识符，所以我不明白将它们从基数 36（或其他）转换为基数 10 的价值。你认为你得到了什么？ /m 前缀标识符可以在 Wikidata 或 Freebase 数据转储中查找以将它们转换为名称。
我只是好奇。为什么 /m/ 可以在基数 32 和基数 10 之间转换，为什么 /g/ 不是这种情况一个直接的“胜利”将是能够构造一个以 10 为基数的 URL 并能够遵循任意主题。
我也对这些算法的设计选择感兴趣。为什么跳过某些字母并添加下划线。这似乎太随意了。为什么两个字母表中跳过了不同的字母？

【解决方案1】：

您为这两种情况提供了相同的字母表，但您的问题暗示它们是不同的。除此之外，这里是对两种编码方案的描述。

引用Freebase developer wiki，这是机器 ID 的编码：

机器生成的 id 的键是由数字、不包括元音的小写字母和下划线组成的可变长度短字符序列。 ...（通过避免元音，我们希望避免意外 [原文如此] 生成令人反感的标识符。）中间也是 URL 安全的，即它们不需要在 URL 中使用任何转义或取消转义。

根据相关的Wikidata property page，Google 知识图 ID 位于单独的命名空间中，前缀为“/g/1”，其格式为

\/g\/1[0-9a-np-z][0-9a-np-z_]{6,8}

因此基数因位置而异（不允许前导下划线），他们选择仅排除易混淆的字母“o”，而不是所有元音，尽管存在“顽皮词”的风险，但显然更喜欢更多的编码空间。

【讨论】：