Http请求时URL中的中文编码

Posted 2020-10-17 北极丶光

Http请求时，URL中作为参数值的中文字符等会被编码

　　1、处理编码思路：

　　　　　　　　注意：[在浏览器上访问时,每个空格会被转码为 %20 ，URLencode会将每个空格转码为 + ]

　　　　　　　　　　　 URLEncode的转码会将一些不需要转码的字符也进行转码(例如不是参数值的& ： /等)

　　　　　　　　1.对于需要的参数先进行编码。(如果是get请求可以先使用URLEncode编码后进行URL的拼接)　　

　　　　　　　　2.对URL进行截取，然后统一编码,将特殊字符编码后替换回来（路径中的&   /  : 当其作为参数值的时候需要转码，否

　　　　　　　　　　则不能被转码）；此方法弊端：当& 和 /  作为参数值时需要被转码,不好处理。

　  2、一些常见字符被URLEncode转码后的值(中文字符会被转码为  以%E开头,长度为9的字符串)

 　　　　　 英文  ?  编码后  : %3F
　　　　　         　/  编码后：%2F
　　　　　　        % 编码后：%25
　　　　　　中文？ 编码后：%EF%BC%9F
　　　　　　单个空格   编码后：+　(在浏览器上访问时,每个空格会被转码为 %20 ，URLencode会将

　　　　　　　　　　　　　　每个空格转码为 +；可以转码后将其中的  +  用  %20替换掉 )　　　　　　　

　　　　　　　　+ 编码后：%2B
　　　　　　英文 : 编码后：%3A
　　　　　　中文 : 编码后：%EF%BC%9A
　　　　　　       & 编码后：%26

　3、简单的拼接demo（存在不足之处）

　　　　　　

　　　　　　public static void main(String[] args) {
		//被转码后的url
		String result = "";
		//需要转码的url
		String url = "https://www.baidu.com/s?wd=语 文 ?&rsv_spt=1"
				+ "&rsv_iqid=0xd13fd9040001fb1d&issp=1&f=8&rsv_bp=0"
				+ "&rsv_idx=2&ie=utf-8&tn=baiduhome_pg&rsv_enter=1&rsv_sug3=2"
				+ "&rsv_sug1=2&rsv_sug7=101&rsv_sug2=0&inputT=774&rsv_sug4=1367  &AAAA=1";
		int index = url.indexOf("?");
		result = url.substring(0,index+1);
		String temp = url.substring(index+1);
		try {
			//URLEncode转码会将& ： / = 等一些特殊字符转码,(但是这个字符  只有在作为参数值  时需要转码;例如url中的&具有参数连接的作用，此时就不能被转码)
			String encode = URLEncoder.encode(temp, "utf-8");
			System.out.println(encode);
			encode = encode.replace("%3D",  "=");
			encode = encode.replace("%2F", "/");
			encode = encode.replace("+", "%20");
			encode = encode.replace("%26", "&");
			result += encode;
			System.out.println("转码后的url:"+result);
		} catch (UnsupportedEncodingException e) {
			e.printStackTrace();
		}
	}

　　编码前地址：http://hi.baidu.com/test/?a=张三&b=_a123&c=+abc

　　编码后地址：http://hi.baidu.com/test/?a=%E5%BC%A0%E4%B8%89&b=_a123&c=+abc  (中文字符已被转码)

　　字符对应的值：

　　　　/  →  47　　a-z →  97~122　　A-Z  →  65~90　　:  →  58　　%  → 37　

　　中文字符对应的值是大于255的　

　　char c = \'我\'；

　　System.out.println((int)c)   / /可以查看对应的数值　

 

在字符编码方面，ASCII码为标准符号、数字、英文等进行了保留，取值范围是0～127，还有一部分作为扩展ASCII码128～255

当操作系统采用非ASCII编码时(比如汉字编码)，一般用扩展ASCII码来进行，约定用128～255范围的编码连续2～3甚至4个来进

行汉字编码，(比如国标用连续两个128～255的编码表示1个汉字，分别是区码和位码的编码；UTF-8可以用3个连续的数来表示一

个汉字)，具体编码规则要看具体定义，一般不相同的。因此，在处理字符串时，如果是有符号字符串，遇到小于0的字符，会结合

后面紧跟的字符来组成一个汉字，大于0的为标准西文字符；如果是无符号的，则可以判断是否大于127。