JAVA 对 URL 进行 编码与解码

因为在做链接来源统计的时候需要把 http://www.baidu.com/baidu?word=%D6%D0%B9%FA%B4%F3%B0%D9%BF%C6%D4%DA%CF%DF%C8%AB%CE%C4%BC%EC%CB%F7&tn=myie2dg  这类的URL编码还原成明文字串，一般大部分的网站都是用普通的URL编码形式，如上面链接中的badu，这种很容易转换和还原，Java包里提供了两个类的不同方法URLEncode.encode()和URLDecode.decode()可以很方便实现，但也有特别一点的就是Google了，http://www.google.com/search?hl=zh-CN&newwindow=1&q=%E4%B8%AD%E5%9B%BD%E5%A4%A7%E7%99%BE%E7%A7%91%E5%9C%A8%E7%BA%BF%E5%85%A8%E6%96%87%E6%A3%80%E7%B4%A2&btnG=%E6%90%9C%E7%B4%A2&lr= 他们的编码和别人不一样，如果使用URLDecode.decode()的话则变成乱码，查询的一些相关资料都说Google使用的是UTF-8编码，这点我就有些奇怪了，如果Google使用的是UTF-8编码，那别人使用的又是什么？IE的高级选项里不是有项“始终以UTF-8形式发送URL”的吗？但是UTF-8一个中文是3byte，而一般的编码则是2个byte,这就是为什么一般的URL中是以两组‘%‘代码表示一个汉字，如“中”的URL编码为"%D6%D0"，而UTF-8则为3组，“中”为"%E4%B8%AD"，这个问题我在Google里也没得到较好回答。我对各种编码形式了解的不是很好，之前只看过如何将字符串转成Utf8-URL编码的方法，其实也挺简单的，直接转成byte后直接取其16进制值前面加个%就行，还原方法在网上搜了几圈居然没发现有现成的！倒是也是几个人在CSDN问了此类的问题。最后还是决定自己搞定了，基本上是toUTF8的原路退回法，再加了个检测URL链接是否UTF-8形式的方法，觉得已经蛮好用了。可以拿出来share一下。

 

 

 

import java.io.UnsupportedEncodingException; import java.net.URLEncoder; import java.net.URLDecoder; /** * <p>Title:字符编码工具类 </p> * <p>Description: </p> * <p>Copyright: Copyright (c) 2005</p> * <p>Company: </p> * @author: jeffzhu * @version 1.0 */ public class CharTools { /** * 转换编码 ISO-8859-1到GB2312 * @param text * @return */ public String ISO2GB(String text) { String result = ""; try { result = new String(text.getBytes("ISO-8859-1"), "GB2312"); } catch (UnsupportedEncodingException ex) { result = ex.toString(); } return result; } /** * 转换编码 GB2312到ISO-8859-1 * @param text * @return */ public String GB2ISO(String text) { String result = ""; try { result = new String(text.getBytes("GB2312"), "ISO-8859-1"); } catch (UnsupportedEncodingException ex) { ex.printStackTrace(); } return result; } /** * Utf8URL编码 * @param s * @return */ public String Utf8URLencode(String text) { StringBuffer result = new StringBuffer(); for (int i = 0; i < text.length(); i++) { char c = text.charAt(i); if (c >= 0 && c <= 255) { result.append(c); }else { byte[] b = new byte[0]; try { b = Character.toString(c).getBytes("UTF-8"); }catch (Exception ex) { } for (int j = 0; j < b.length; j++) { int k = b[j]; if (k < 0) k += 256; result.append("%" + Integer.toHexString(k).toUpperCase()); } } } return result.toString(); } /** * Utf8URL解码 * @param text * @return */ public String Utf8URLdecode(String text) { String result = ""; int p = 0; if (text!=null && text.length()>0){ text = text.toLowerCase(); p = text.indexOf("%e"); if (p == -1) return text; while (p != -1) { result += text.substring(0, p); text = text.substring(p, text.length()); if (text == "" || text.length() < 9) return result; result += CodeToWord(text.substring(0, 9)); text = text.substring(9, text.length()); p = text.indexOf("%e"); } } return result + text; } /** * utf8URL编码转字符 * @param text * @return */ private String CodeToWord(String text) { String result; if (Utf8codeCheck(text)) { byte[] code = new byte[3]; code[0] = (byte) (Integer.parseInt(text.substring(1, 3), 16) - 256); code[1] = (byte) (Integer.parseInt(text.substring(4, 6), 16) - 256); code[2] = (byte) (Integer.parseInt(text.substring(7, 9), 16) - 256); try { result = new String(code, "UTF-8"); }catch (UnsupportedEncodingException ex) { result = null; } } else { result = text; } return result; } /** * 编码是否有效 * @param text * @return */ private boolean Utf8codeCheck(String text){ String sign = ""; if (text.startsWith("%e")) for (int i = 0, p = 0; p != -1; i++) { p = text.indexOf("%", p); if (p != -1) p++; sign += p; } return sign.equals("147-1"); } /** * 是否Utf8Url编码 * @param text * @return */ public boolean isUtf8Url(String text) { text = text.toLowerCase(); int p = text.indexOf("%"); if (p != -1 && text.length() - p > 9) { text = text.substring(p, p + 9); } return Utf8codeCheck(text); } /** * 测试 * @param args */ public static void main(String[] args) { CharTools charTools = new CharTools(); String url; url = "http://www.google.com/search?hl=zh-CN&newwindow=1&q=%E4%B8%AD%E5%9B%BD%E5%A4%A7%E7%99%BE%E7%A7%91%E5%9C%A8%E7%BA%BF%E5%85%A8%E6%96%87%E6%A3%80%E7%B4%A2&btnG=%E6%90%9C%E7%B4%A2&lr="; if(charTools.isUtf8Url(url)){ System.out.println(charTools.Utf8URLdecode(url)); }else{ System.out.println(URLDecoder.decode(url)); } url = "http://www.baidu.com/baidu?word=%D6%D0%B9%FA%B4%F3%B0%D9%BF%C6%D4%DA%CF%DF%C8%AB%CE%C4%BC%EC%CB%F7&tn=myie2dg"; if(charTools.isUtf8Url(url)){ System.out.println(charTools.Utf8URLdecode(url)); }else{ System.out.println(URLDecoder.decode(url)); } } }

 

[Edit on 2006-6-27 0:06:06 By flashman]

[ from ]

By [flashman] at 20:55:06 | Comments [1] | TrackBack[0] | 701 views

≡≡≡ 网友评论 ≡≡≡

  waterflier 在 2006-5-25 10:04:39 说：

最近我也在研究中文分词，到你的blog来找点资料 ^_^ 有什么好东西记得给兄弟分享一份。
正式的正式:
这编文章的理论基础有错误,建议fox去看看编码相关的基础知识。ISO-8859-1 和GB2312是不能直接转的。他们都属于ANSI编码。
一共有三类编码
ANSI(ISO-8859-1,GBK,GB2312,BIG5等) UCS(UCS2,UCS4) UTF(UTF7 UTF8 UTF16)
其中 所有的编码都可以转成UCS,UTF是UCS为了节省空间的一种存储方式(使用huffman编码的理论的变长编码,如果全部都是e文的话可以有效地压缩成UTF8,如果是中文编码成UTF8反而会浪费空间)。ANSI各个编码之间不存在抓换关系只存在极少数的对应关系(比如每个ANSI编码都必须包含英文，又比如简体字与繁体字之间的对应关系使GBK和BIG5之间的某些编码存在对应关系，这种关系是无规律的)。
我的blog上也有不少关于这方面的内容

 

----------------------------------------------------------------------------------------------------------------------------

 

<html>
<head>
<meta http-equiv=‘Content-Type‘ content=‘text/html; charset=gb2312‘>
<title>URL解码(Decode)/编码(Encode)</title>
</head>
<body>
<center><font color=green size=+2>URL解码(Decode)/编码(Encode)</font><br>
需要解码的字符串:<TEXTAREA ID="String1" ROWS="10" COLS="30"></TEXTAREA> 解码后的字符串:<TEXTAREA ID="String2" ROWS="10" COLS="30"></TEXTAREA><br>
需要编码的字符串:<TEXTAREA ID="String3" ROWS="10" COLS="30"></TEXTAREA> 编码后的字符串:<TEXTAREA ID="String4" ROWS="10" COLS="30"></TEXTAREA><br>
<INPUT TYPE="button" ID="Decode" value="解码(Decode)" onClick="javascript:String2.value=decodeURI(String1.value);">
<INPUT TYPE="button" ID="Encode" value="编码(Encode)" onClick="javascript:String4.value=encodeURI(String3.value);">
</center>
</body>
</html>