转自：http://www.cnblogs.com/dengxinglin/archive/2012/12/14/2817761.html
geohash 算法原理及实现方式
3、geohash 的 php 、python、java、C# 实现代码
4、观点讨论
首先，geohash 用一个字符串表示经度和纬度两个坐标。某些情况下无法在两列上同时应用索引 （例如 MySQL 4 之前的版本，Google App Engine 的数据层等），利用geohash，只需在一列上应用索引即可。
其次，geohash 表示的并不是一个点，而是一个矩形区域。比如编码 wx4g0ec19，它表示的是一个矩形区域。 使用者可以发布地址编码，既能表明自己位于北海公园附近，又不至于暴露自己的精确坐标，有助于隐私保护。
第三，编码的前缀可以表示更大的区域。例如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。 这个特性可以用于附近地点搜索。首先根据用户当前坐标计算geohash（例如wx4g0ec1）然后取其前缀进行查询 （SELECT * FROM place WHERE geohash LIKE 'wx4g0e%'），即可查询附近的所有地点。
Geohash比直接用经纬度的高效很多。
Geohash的最简单的解释就是：将一个经纬度信息，转换成一个可以排序，可以比较的字符串编码
首先将纬度范围(-90, 90)平分成两个区间(-90,0)、(0, 90)，如果目标纬度位于前一个区间，则编码为0，否则编码为1。
由于39.92324属于(0, 90)，所以取编码为1。
然后再将(0, 90)分成 (0, 45), (45, 90)两个区间，而39.92324位于(0, 45)，所以编码为0。
以此类推，直到精度符合要求为止，得到纬度编码为1011 1000 1100 0111 1001。
|
纬度范围 |
划分区间0 |
划分区间1 |
39.92324所属区间 |
|
(-90, 90) |
(-90, 0.0) |
(0.0, 90) |
1 |
|
(0.0, 90) |
(0.0, 45.0) |
(45.0, 90) |
0 |
|
(0.0, 45.0) |
(0.0, 22.5) |
(22.5, 45.0) |
1 |
|
(22.5, 45.0) |
(22.5, 33.75) |
(33.75, 45.0) |
1 |
|
(33.75, 45.0) |
(33.75, 39.375) |
(39.375, 45.0) |
1 |
|
(39.375, 45.0) |
(39.375, 42.1875) |
(42.1875, 45.0) |
0 |
|
(39.375, 42.1875) |
(39.375, 40.7812) |
(40.7812, 42.1875) |
0 |
|
(39.375, 40.7812) |
(39.375, 40.0781) |
(40.0781, 40.7812) |
0 |
|
(39.375, 40.0781) |
(39.375, 39.7265) |
(39.7265, 40.0781) |
1 |
|
(39.7265, 40.0781) |
(39.7265, 39.9023) |
(39.9023, 40.0781) |
1 |
|
(39.9023, 40.0781) |
(39.9023, 39.9902) |
(39.9902, 40.0781) |
0 |
|
(39.9023, 39.9902) |
(39.9023, 39.9462) |
(39.9462, 39.9902) |
0 |
|
(39.9023, 39.9462) |
(39.9023, 39.9243) |
(39.9243, 39.9462) |
0 |
|
(39.9023, 39.9243) |
(39.9023, 39.9133) |
(39.9133, 39.9243) |
1 |
|
(39.9133, 39.9243) |
(39.9133, 39.9188) |
(39.9188, 39.9243) |
1 |
|
(39.9188, 39.9243) |
(39.9188, 39.9215) |
(39.9215, 39.9243) |
1 |
经度也用同样的算法，对(-180, 180)依次细分，得到116.3906的编码为1101 0010 1100 0100 0100。
|
经度范围 |
划分区间0 |
划分区间1 |
116.3906所属区间 |
|
(-180, 180) |
(-180, 0.0) |
(0.0, 180) |
1 |
|
(0.0, 180) |
(0.0, 90.0) |
(90.0, 180) |
1 |
|
(90.0, 180) |
(90.0, 135.0) |
(135.0, 180) |
0 |
|
(90.0, 135.0) |
(90.0, 112.5) |
(112.5, 135.0) |
1 |
|
(112.5, 135.0) |
(112.5, 123.75) |
(123.75, 135.0) |
0 |
|
(112.5, 123.75) |
(112.5, 118.125) |
(118.125, 123.75) |
0 |
|
(112.5, 118.125) |
(112.5, 115.312) |
(115.312, 118.125) |
1 |
|
(115.312, 118.125) |
(115.312, 116.718) |
(116.718, 118.125) |
0 |
|
(115.312, 116.718) |
(115.312, 116.015) |
(116.015, 116.718) |
1 |
|
(116.015, 116.718) |
(116.015, 116.367) |
(116.367, 116.718) |
1 |
|
(116.367, 116.718) |
(116.367, 116.542) |
(116.542, 116.718) |
0 |
|
(116.367, 116.542) |
(116.367, 116.455) |
(116.455, 116.542) |
0 |
|
(116.367, 116.455) |
(116.367, 116.411) |
(116.411, 116.455) |
0 |
|
(116.367, 116.411) |
(116.367, 116.389) |
(116.389, 116.411) |
1 |
|
(116.389, 116.411) |
(116.389, 116.400) |
(116.400, 116.411) |
0 |
|
(116.389, 116.400) |
(116.389, 116.394) |
(116.394, 116.400) |
0 |
接下来将经度和纬度的编码合并，奇数位是纬度，偶数位是经度，得到编码 11100 11101 00100 01111 00000 01101 01011 00001。
最后，用0-9、b-z（去掉a, i, l, o）这32个字母进行base32编码，得到(39.92324, 116.3906)的编码为wx4g0ec1。
|
十进制 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
|
base32 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
b |
c |
d |
e |
f |
g |
|
十进制 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
25 |
26 |
27 |
28 |
29 |
30 |
31 |
|
base32 |
h |
j |
k |
m |
n |
p |
q |
r |
s |
t |
u |
v |
w |
x |
y |
z |
解码算法与编码算法相反，先进行base32解码，然后分离出经纬度，最后根据二进制编码对经纬度范围进行细分即可，这里不再赘述。
php版本的实现方式：http://blog.dixo.net/downloads/geohash-php-class/ 我下载了一个上传的
php：
geohash.class.php
View Codepython：
python版本的geohash：python-geohash
java：
java版本的geohash,实现：http://code.google.com/p/geospatialweb/source/browse/#svn/trunk/geohash/src
View CodeC#：
1 using System; 2 3 namespace sharonjl.utils 4 { 5 public static class Geohash 6 { 7 #region Direction enum 8 9 public enum Direction 10 { 11 Top = 0, 12 Right = 1, 13 Bottom = 2, 14 Left = 3 15 } 16 17 #endregion 18 19 private const string Base32 = "0123456789bcdefghjkmnpqrstuvwxyz"; 20 private static readonly int[] Bits = new[] {16, 8, 4, 2, 1}; 21 22 private static readonly string[][] Neighbors = { 23 new[] 24 { 25 "p0r21436x8zb9dcf5h7kjnmqesgutwvy", // Top 26 "bc01fg45238967deuvhjyznpkmstqrwx", // Right 27 "14365h7k9dcfesgujnmqp0r2twvyx8zb", // Bottom 28 "238967debc01fg45kmstqrwxuvhjyznp", // Left 29 }, new[] 30 { 31 "bc01fg45238967deuvhjyznpkmstqrwx", // Top 32 "p0r21436x8zb9dcf5h7kjnmqesgutwvy", // Right 33 "238967debc01fg45kmstqrwxuvhjyznp", // Bottom 34 "14365h7k9dcfesgujnmqp0r2twvyx8zb", // Left 35 } 36 }; 37 38 private static readonly string[][] Borders = { 39 new[] {"prxz", "bcfguvyz", "028b", "0145hjnp"}, 40 new[] {"bcfguvyz", "prxz", "0145hjnp", "028b"} 41 }; 42 43 public static String CalculateAdjacent(String hash, Direction direction) 44 { 45 hash = hash.ToLower(); 46 47 char lastChr = hash[hash.Length - 1]; 48 int type = hash.Length%2; 49 var dir = (int) direction; 50 string nHash = hash.Substring(0, hash.Length - 1); 51 52 if (Borders[type][dir].IndexOf(lastChr) != -1) 53 { 54 nHash = CalculateAdjacent(nHash, (Direction) dir); 55 } 56 return nHash + Base32[Neighbors[type][dir].IndexOf(lastChr)]; 57 } 58 59 public static void RefineInterval(ref double[] interval, int cd, int mask) 60 { 61 if ((cd & mask) != 0) 62 { 63 interval[0] = (interval[0] + interval[1])/2; 64 } 65 else 66 { 67 interval[1] = (interval[0] + interval[1])/2; 68 } 69 } 70 71 public static double[] Decode(String geohash) 72 { 73 bool even = true; 74 double[] lat = {-90.0, 90.0}; 75 double[] lon = {-180.0, 180.0}; 76 77 foreach (char c in geohash) 78 { 79 int cd = Base32.IndexOf(c); 80 for (int j = 0; j < 5; j++) 81 { 82 int mask = Bits[j]; 83 if (even) 84 { 85 RefineInterval(ref lon, cd, mask); 86 } 87 else 88 { 89 RefineInterval(ref lat, cd, mask); 90 } 91 even = !even; 92 } 93 } 94 95 return new[] {(lat[0] + lat[1])/2, (lon[0] + lon[1])/2}; 96 } 97 98 public static String Encode(double latitude, double longitude, int precision = 12) 99 { 100 bool even = true; 101 int bit = 0; 102 int ch = 0; 103 string geohash = ""; 104 105 double[] lat = {-90.0, 90.0}; 106 double[] lon = {-180.0, 180.0}; 107 108 if (precision < 1 || precision > 20) precision = 12; 109 110 while (geohash.Length < precision) 111 { 112 double mid; 113 114 if (even) 115 { 116 mid = (lon[0] + lon[1])/2; 117 if (longitude > mid) 118 { 119 ch |= Bits[bit]; 120 lon[0] = mid; 121 } 122 else 123 lon[1] = mid; 124 } 125 else 126 { 127 mid = (lat[0] + lat[1])/2; 128 if (latitude > mid) 129 { 130 ch |= Bits[bit]; 131 lat[0] = mid; 132 } 133 else 134 lat[1] = mid; 135 } 136 137 even = !even; 138 if (bit < 4) 139 bit++; 140 else 141 { 142 geohash += Base32[ch]; 143 bit = 0; 144 ch = 0; 145 } 146 } 147 return geohash; 148 } 149 } 150 }
C#代码来自：https://github.com/sharonjl/geohash-net
geohash演示：http://openlocation.org/geohash/geohash-js/
各种版本下载：打包下载
引用阿里云以为技术专家的博客上的讨论：
这一点是有些用户对geohash的误解，虽然geo确实尽可能的将位置相近的点hash到了一起，可是这并不是严格意义上的(实际上也并不可能，因为毕竟多一维坐标)，
例如在方格4的左下部分的点和大方格1的右下部分的点离的很近，可是它们的geohash值一定是相差的相当远，因为头一次的分块就相差太大了，很多时候我们对geohash的值进行简单的排序比较，结果貌似真的能够找出相近的点，并且似乎还是按照距离的远近排列的，可是实际上会有一些点被漏掉了。
上述这个问题，可以通过搜索一个格子，周围八个格子的数据，统一获取后再进行过滤。这样就在编码层次解决了这个问题。
2.既然不能做到将相近的点hash值也相近，那么geohash的意义何在呢？
我觉得geohash还是相当有用的一个算法，毕竟这个算法通过无穷的细分，能确保将每一个小块的geohash值确保在一定的范围之内，这样就为灵活的周边查找和范围查找提供了可能。
常见的一些应用场景
A、如果想查询附近的点？如何操作
查出改点的gehash值，然后到数据库里面进行前缀匹配就可以了。
B、如果想查询附近点，特定范围内，例如一个点周围500米的点，如何搞？
可以查询结果，在结果中进行赛选，将geohash进行解码为经纬度，然后进行比较
*在纬度相等的情况下：
*经度每隔0.00001度，距离相差约1米；
*每隔0.0001度，距离相差约10米；
*每隔0.001度，距离相差约100米；
*每隔0.01度，距离相差约1000米；
*每隔0.1度，距离相差约10000米。
*在经度相等的情况下：
*纬度每隔0.00001度，距离相差约1.1米；
*每隔0.0001度，距离相差约11米；
*每隔0.001度，距离相差约111米；
*每隔0.01度，距离相差约1113米；
*每隔0.1度，距离相差约11132米。
Geohash，如果geohash的位数是6位数的时候，大概为附近1千米…
参考资料：
http://iamzhongyong.iteye.com/blog/1399333