规范化字符串以在 Java 中创建安全的 URL

Posted 2023-03-05

【中文标题】规范化字符串以在 Java 中创建安全的 URL

【英文标题】：Normalize a String to create a safe URL in Java

【发布时间】：2014-03-07 20:47:38

【问题描述】：

我正在用 Java 编写一个库，它以这种方式从文件名列表中创建 URL：

final String domain = "http://www.example.com/";

String filenames[] = "Normal text","Ich weiß nicht", "L'ho inserito tra i princìpi";

System.out.println(domain+normalize(filenames[0]);
//Prints  "http://www.example.com/Normal_text"
System.out.println(domain+normalize(filenames[1]);
//Prints  "http://www.example.com/Ich_weib_nicht"
System.out.println(domain+normalize(filenames[2]);
//Prints  "http://www.example.com/L_ho_inserito_tra_i_principi"

在某个地方存在一个 Java 库，它公开了我在上面的代码中使用的方法 normalize？

文学：

Which special characters are safe to use in url? Safe characters for friendly url

【问题讨论】：

看看这个：***.com/questions/21489289/…

@PopoFibo 是的，它有效！我从未见过 Java 中的 Normalizer 类！非常感谢！你能用一个简短的例子来回答吗？

【参考方案1】：

假设您的意思是要对字符串进行编码以使其对 url 安全。在这种情况下使用 URLEncoder：

final String domain = "http://www.example.com/";

String filenames[] = "Normal text","Ich weiß nicht", "L'ho inserito tra i princìpi";

System.out.println(domain + URLEncoder.encode(filenames[0], "UTF-8"));
System.out.println(domain + URLEncoder.encode(filenames[1], "UTF-8"));
System.out.println(domain + URLEncoder.encode(filenames[2], "UTF-8"));

【讨论】：

不，因为我不能使用来自 URLEncoder.encode() 方法的“特殊”字符，如 % 等。我正在创建必须通过特殊的 XML 验证器有效的 URL。它不需要空格，不需要特殊字符等等

所以它们不是 URL

不不，他们是！ XML 包含一个元素列表，每个元素都有一个 rdf:about 属性，该属性有一个 URL 作为值

在这种情况下，我会使用 apache commons lang 库中的 StringEscapeUtils.escapeXML() 但我看不出这与 URL 有什么关系

该方法不适用于验证器。例如，StringEscapeUtils.escapeXml("l'avevo all'università") 转义为l'avevo all'università：重音“a”仍然存在！此外，文本不是人类可读的。

【参考方案2】：

从我之前的回答here 中获取内容，您可以使用java.text.Normalizer，它接近于规范化Java 中的字符串。规范化的一个例子是；

重音去除：

String accented = "árvíztűrő tükörfúrógép";
String normalized = Normalizer.normalize(accented,  Normalizer.Form.NFD);
normalized = normalized.replaceAll("[^\\pASCII]", "");

System.out.println(normalized);

给予；

arvizturo tukorfurogep