Discussion :

[jlgarnier]

Bonjour,

Je cherche une méthode, un algo, qui me permettrait de créer un identifiant unique, disons sur 4 ou 5 caractères, à partir d'une autre chaine (max 32 caractères), dans le but d'obtenir un codage normalisé pour identifier des clients.
Exemples :

• "Boucherie SANZOT" --> BHST
• "Boucherie DUPONT" --> BHDN

Évidemment, le principal problème serait d'avoir suffisamment d'entropie avec 32 chars max et j'ai exploré les algos de hash mais ils génèrent des chaines trop longues (ex. SHA256(Boucherie SANZOT) = 41F787F3ADC2C6825D249D6D7A42C28BB1E1AF1DE44C77EF95F874DD7FDB2811). A moins qu'il soit possible de "brider" de tels algos...

Merci d'avance pour toute suggestion !

[tbc92]

C'est forcément sujet à risque.

Tu as des mots qui font jusqu'à 32 lettres. Des milliards de mots différents possibles.
Et tu veux des mots de 4 ou 5 lettres qui vont te permettre de 'raccourcir' les mots d'origine. 4 ou 5 caractères, ça veut dire en gros 1 million de mots possibles.
Donc forcément, il y aura plein de mots qui donneront le même résultat dans ta procédure de raccourcissement.

Si dans tes mots de 4 ou 5 lettres, tu acceptes les minuscules, les majuscules et les chiffres, et pourquoi pas quelques caractères de ponctuation, ça limite les problèmes, mais sans les supprimer totalement.

Et enfin, j'oubliais l'essentiel. A partir de ton identifiant sur 4 ou 5 caractères, est-ce que tu veux une espèce de formule de calcul pour retrouver le mot de départ ?
Si tu veux cette formule, si tu veux pouvoir faire la transformation dans un sens comme dans l'autre, alors c'est mort.

[Guesset]

Bonjour,

Il y a bien la solution du Tardis (plus grand à l'intérieur qu'à l'extérieur) mais je ne crois pas son propriétaire enclin à s'en dessaisir. Qui ?

Plus sérieux, ce qui a déjà été dit est tout à fait exact.

Mais quitte à utiliser 4 octets pour l'identifiant, un entier sur 32 bits limitera les risques de collision car 4 milliards est un peu plus que 457 milles (26^4).

L'autre critère est le nombre d'objets à identifier. Par exemple, avec 32 bits, 1 million d'enregistrements auront 1 "chance" sur 4000 d'avoir des collisions (en fait c'est pire car les noms ne sont pas répartis uniformément). En général, à la création de l'identifiant on vérifie qu'il n'est pas déjà en service, si oui on modifie l'identifiant. Et on revérifie ! Quand le nombre d'objets se rapprochent du nombre possible d'identifiant cela peut prendre du temps.

Salutations

[jlgarnier]

Bonjour,

Désolé pour le retard au suivi, mais le site ne m'a pas notifié des réponses reçues ! 🤨

Une précision que j'aurais dû apporter dans mon message initial : le résultat du "compactage" de chaine sert à élaborer une référence client, dont dérive directement une adresse mail. En gros, nous signons un contrat avec "Etablissements DURAND" -> nous générons un "tag" client = ETDD, qui sera par exemple utilisé pour lui envoyer ses factures (i.e. référence comptable FAC.ETDD.2022.01.001), lui créer un compte sur une plateforme de services (ETDD-admin) ou une adresse pour contacter notre équipe support (ETDD-support@mybusiness.com). J'espère que cela clarifie mon besoin.

4 ou 5 caractères, ça veut dire en gros 1 million de mots possibles.

Pas un problème pour moi : chaque utilisateur A va a son tour avoir quelques dizaines de clients, et même si une référence dans le contexte [User_A] est similaire à une référence [User_B], cela ne crée strictement aucune perturbation.

Si dans tes mots de 4 ou 5 lettres, tu acceptes les minuscules, les majuscules et les chiffres, et pourquoi pas quelques caractères de ponctuation, ça limite les problèmes, mais sans les supprimer totalement.

Non, car le résultat du compactage sert à créer une adresse email.

est-ce que tu veux une espèce de formule de calcul pour retrouver le mot de départ ?

Non, aucun besoin !

Je pense répondre aussi aux questions de @Guesset...

un entier sur 32 bits limitera les risques de collision car 4 milliards est un peu plus que 457 milles (26^4).

Non, impossible, j'ai besoin de 4 ou 5 caractères alphabétiques !

L'autre critère est le nombre d'objets à identifier.

Non, comme indiqué plus haut, on parle de quelques dizaines de mots dans le contexte de chaque client, mais j'accepte de signer 1 million de clients ! 😁

Merci encore pour toute piste d'investigation !

[tatayo]

Bonjour,
Tu peux par exemple prendre la première consonne du premier mot, tu supprimes cette consonne.
Tu passes au deuxième mot, et tu fais la même chose.
Quand tu arrives "dépasse" le dernier mot, tu boucles.

Si tu tombes sur un code déjà existant, tu peux par exemple annuler la dernière affectation, et continuer.

Dans le premier exemple, "Boucherie SANZOT" donnerait donc "BSCN", et Boucherie "DUPONT BDCP".

Autre solution, tu calcules le nombre de lettre à prendre par mot, et tu fais un peu la même chose.
Ici il te faudrait 2 lettres par mot, donc Boucherie SANZOT donnerait BCSN et "Boucherie DUPONT" "BCDP".
Reste à voir comment par exemple gérer le cas d'un nom avec 3 "mots" pour générer un code de 5 lettres. 2 lettres sur les deux premier mots, et une seule sur le dernier ?
Pour la gestion des doublons => même faute, même punition.

Dans les deux cas, s'il n'y a pas assez de consonnes, il reste encore les voyelles.

Tatayo.

[tbc92]

Tu es sur un nombre de clés limités.
Tu bâtis une règle (supprimer les voyelles, c'est assez courant dans ces problématiques là).
Et tu ajoutes une procédure pour dire : si l'identifiant généré existe déjà dans la base, alors recommencer, en modifiant un peu la règle ... tant que nécessaire.

Apparemment, tu crées un identifiant par nouveau client, tu n'as donc pas des milliers d'identifiants à créer, tu peux même créer 3 ou 4 identifiants, vérifier que ces identifiants ne sont pas déjà utilisés, et proposer à l'utilisateur de choisir quel identifiant il veut, via un écran de saisie.

Le cordonnier NARCISSE n'a peut-être pas envie que l'identifiant généré automatiquement soit composé des 2 premières lettres de sa profession suivies des 3 premières lettres de son nom.

[jlgarnier]

Le cordonnier NARCISSE n'a peut-être pas envie que l'identifiant généré automatiquement soit composé des 2 premières lettres de sa profession suivies des 3 premières lettres de son nom.

Exemple très parlant ! 😁

En effet, je vois se profiler une règle simple, implémentable même dans Excel... Pour les noms composés de plus de 2 mots, je peux commencer par une réduction des espaces et concaténer les différents mots pour ne garder que 2 chaines initiales...

Merci à tous pour vos bonnes idées, je vais coder dans ce sens ! 👍