Java結合JS實現URL編碼與解碼

2022-03-28 13:01:05

通常如果一樣東西需要編碼，說明這樣東西並不適合傳輸。原因多種多樣，如Size過大，包含隱私資料，對於Url來說，之所以要進行編碼，是因為Url中有些字元會引起歧義。

例如，Url引數字串中使用key=value鍵值對這樣的形式來傳參，鍵值對之間以&符號分隔，如/s?q=abc& ie=utf-8。如果你的value字串中包含了=或者&，那麼勢必會造成接收Url的伺服器解析錯誤，因此必須將引起歧義的&和= 符號進行跳脫，也就是對其進行編碼。

又如，Url的編碼格式採用的是ASCII碼，而不是Unicode，這也就是說你不能在Url中包含任何非ASCII字元，例如中文。否則如果使用者端瀏覽器和伺服器端瀏覽器支援的字元集不同的情況下，中文可能會造成問題。

Url編碼的原則就是使用安全的字元（沒有特殊用途或者特殊意義的可列印字元）去表示那些不安全的字元。

預備知識：URI是統一資源標識的意思，通常我們所說的URL只是URI的一種。典型URL的格式如下所示。下面提到的URL編碼，實際上應該指的是URI編碼。

哪些字元需要編碼

RFC3986檔案規定，Url中只允許包含英文字母（a-zA-Z）、數位（0-9）、-_.~4個特殊字元以及所有保留字元。 RFC3986檔案對Url的編解碼問題做出了詳細的建議，指出了哪些字元需要被編碼才不會引起Url語意的轉變，以及對為什麼這些字元需要編碼做出了相應的解釋。

US-ASCII字元集中沒有對應的可列印字元：Url中只允許使用可列印字元。US-ASCII碼中的10-7F位元組全都表示控制字元，這些字元都不能直接出現在Url中。同時，對於80-FF位元組（ISO-8859-1），由於已經超出了US-ACII定義的位元組範圍，因此也不可以放在 Url中。

保留字元：Url可以劃分成若干個元件，協定、主機、路徑等。有一些字元（:/?#[]@）是用作分隔不同元件的。例如：冒號用於分隔協定和主機，/用於分隔主機和路徑，?用於分隔路徑和查詢引數，等等。還有一些字元（!$&'()*+,;=）用於在每個元件中起到分隔作用的，如=用於表示查詢引數中的鍵值對，&符號用於分隔查詢多個鍵值對。當元件中的普通資料包含這些特殊字元時，需要對其進行編碼。

RFC3986中指定了以下字元為保留字元：! * ' ( ) ; : @ & = + $ , / ? # [ ]

不安全字元：還有一些字元，當他們直接放在Url中的時候，可能會引起解析程式的歧義。這些字元被視為不安全字元，原因有很多。

空格：Url在傳輸的過程，或者使用者在排版的過程，或者文書處理程式在處理Url的過程，都有可能引入無關緊要的空格，或者將那些有意義的空格給去掉。
引號以及<>：引號和尖括號通常用於在普通文字中起到分隔Url的作用
#：通常用於表示書籤或者錨點
%：百分號本身用作對不安全字元進行編碼時使用的特殊字元，因此本身需要編碼
{}|^[]`~：某一些閘道器或者傳輸代理會篡改這些字元

需要注意的是，對於Url中的合法字元，編碼和不編碼是等價的，但是對於上面提到的這些字元，如果不經過編碼，那麼它們有可能會造成Url語意的不同。因此對於Url而言，只有普通英文字元和數位，特殊字元$-_.+!*'()還有保留字元，才能出現在未經編碼的Url之中。其他字元均需要經過編碼之後才能出現在Url中。

但是由於歷史原因，目前尚存在一些不標準的編碼實現。例如對於~符號，雖然RFC3986檔案規定，對於波浪符號~，不需要進行Url編碼，但是還是有很多老的閘道器或者傳輸代理會進行編碼。

如何對Url中的非法字元進行編碼

Url編碼通常也被稱為百分號編碼（Url Encoding，also known as percent-encoding），是因為它的編碼方式非常簡單，使用%百分號加上兩位的字元——0123456789ABCDEF——代表一個位元組的十六進位制形式。Url編碼預設使用的字元集是US-ASCII。例如a在US-ASCII碼中對應的位元組是0x61，那麼Url編碼之後得到的就是%61，我們在位址列上輸入http://g.cn/search?q=%61%62%63，實際上就等同於在google上搜尋abc了。又如@符號在ASCII字元集中對應的位元組為0x40，經過Url編碼之後得到的是%40。

對於非ASCII字元，需要使用ASCII字元集的超集進行編碼得到相應的位元組，然後對每個位元組執行百分號編碼。對於Unicode字符，RFC檔案建議使用utf-8對其進行編碼得到相應的位元組，然後對每個位元組執行百分號編碼。如"中文"使用UTF-8字元集得到的位元組為0xE4 0xB8 0xAD 0xE6 0x96 0x87，經過Url編碼之後得到"%E4%B8%AD%E6%96%87"。

如果某個位元組對應著ASCII字元集中的某個非保留字元，則此位元組無需使用百分號表示。例如"Url編碼"，使用UTF-8編碼得到的位元組是 0x55 0x72 0x6C 0xE7 0xBC 0x96 0xE7 0xA0 0x81，由於前三個位元組對應著ASCII中的非保留字元"Url"，因此這三個位元組可以用非保留字元"Url"表示。最終的Url編碼可以簡化成"Url%E7%BC%96%E7%A0%81" ，當然，如果你用"%55%72%6C%E7%BC%96%E7%A0%81"也是可以的。

由於歷史的原因，有一些Url編碼實現並不完全遵循這樣的原則，下面會提到。

Javascript中的escape, encodeURI和encodeURIComponent的區別

Javascript中提供了3對函數用來對Url編碼以得到合法的Url，它們分別是escape / unescape, encodeURI / decodeURI和encodeURIComponent / decodeURIComponent。由於解碼和編碼的過程是可逆的，因此這裡只解釋編碼的過程。

這三個編碼的函數——escape，encodeURI，encodeURIComponent——都是用於將不安全不合法的Url字元轉換為合法的Url字元表示，它們有以下幾個不同點。

安全字元不同

下面列出了這三個函數的安全字元（即函數不會對這些字元進行編碼）

escape（69個）：*/@+-._0-9a-zA-Z
encodeURI（82個）：!#$&'()*+,/:;=?@-._~0-9a-zA-Z
encodeURIComponent（71個）：!'()*-._~0-9a-zA-Z

相容性不同

escape函數是從Javascript 1.0的時候就存在了，其他兩個函數是在Javascript 1.5才引入的。但是由於Javascript 1.5已經非常普及了，所以實際上使用encodeURI和encodeURIComponent並不會有什麼相容性問題。

對Unicode字元的編碼方式不同：這三個函數對於ASCII字元的編碼方式相同，均是使用百分號+兩位十六進位制字元來表示。但是對於 Unicode字元，escape的編碼方式是%uxxxx，其中的xxxx是用來表示unicode字元的4位元十六進位制字元。這種方式已經被W3C廢棄了。但是在ECMA-262標準中仍然保留著escape的這種編碼語法。encodeURI和encodeURIComponent則使用UTF-8對非ASCII字元進行編碼，然後再進行百分號編碼。這是RFC推薦的。因此建議儘可能的使用這兩個函數替代escape進行編碼。

適用場合不同

encodeURI被用作對一個完整的URI進行編碼，而encodeURIComponent被用作對URI的一個元件進行編碼。從上面提到的安全字元範圍表格來看，我們會發現，encodeURIComponent編碼的字元範圍要比encodeURI的大。我們上面提到過，保留字元一般是用來分隔URI元件（一個URI可以被切割成多個元件，參考預備知識一節）或者子元件（如URI中查詢引數的分隔符），如：號用於分隔 scheme和主機，?號用於分隔主機和路徑。由於encodeURI操縱的物件是一個完整的的URI，這些字元在URI中本來就有特殊用途，因此這些保留字元不會被encodeURI編碼，否則意義就變了。

元件內部有自己的資料表示格式，但是這些資料內部不能包含有分隔元件的保留字元，否則就會導致整個URI中元件的分隔混亂。因此對於單個元件使用encodeURIComponent，需要編碼的字元就更多了。

表單提交

當Html的表單被提交時，每個表單域都會被Url編碼之後才在被傳送。由於歷史的原因，表單使用的Url編碼實現並不符合最新的標準。例如對於空格使用的編碼並不是%20，而是+號，如果表單使用的是Post方法提交的，我們可以在HTTP頭中看到有一個Content-Type的 header，值為application/x-www-form-urlencoded。大部分應用程式均能處理這種非標準實現的Url編碼，但是在客戶端Javascript中，並沒有一個函數能夠將+號解碼成空格，只能自己寫轉換函數。還有，對於非ASCII字元，使用的編碼字元集取決於當前檔案使用的字元集。例如我們在Html頭部加上

<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />

這樣瀏覽器就會使用gb2312去渲染此檔案（注意，當HTML檔案中沒有設定此meta標籤，則瀏覽器會根據當前使用者喜好去自動選擇字元集，使用者也可以強制當前網站使用某個指定的字元集）。當提交表單時，Url編碼使用的字元集就是gb2312。

之前在使用Aptana（為什麼專指aptana下面會提到）遇到一個很迷惑的問題，就是在使用encodeURI的時候，發現它編碼得到的結果和我想的很不一樣。下面是我的範例程式碼：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" 
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
    <head>
        <meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
    </head>
    <body>
        <script type="text/javascript">
            document.write(encodeURI("中文"));
        </script>
    </body>
</html>

執行結果輸出%E6%B6%93%EE%85%9F%E6%9E%83。顯然這並不是使用UTF-8字元集進行Url編碼得到的結果（在Google上搜尋"中文"，Url中顯示的是%E4%B8%AD%E6%96%87）。

所以我當時就很質疑，難道encodeURI還跟頁面編碼有關，但是我發現，正常情況下，如果你使用gb2312進行Url編碼也不會得到這個結果的才是。後來終於被我發現，原來是頁面檔案儲存使用的字元集和Meta標籤中指定的字元集不一致導致的問題。Aptana的編輯器預設情況下使用UTF-8字元集。也就是說這個檔案實際儲存的時候使用的是UTF-8字元集。但是由於Meta標籤中指定了gb2312，這個時候，瀏覽器就會按照gb2312去解析這個檔案，那麼自然在"中文"這個字串這裡就會出錯，因為"中文"字串用UTF-8編碼過後得到的位元組是0xE4 0xB8 0xAD 0xE6 0x96 0x87，這6個位元組又被瀏覽器拿gb2312去解碼，那麼就會得到另外三個漢字"涓枃"（GBK中一個漢字佔兩個位元組），這三個漢字在傳入encodeURI函數之後得到的結果就是%E6%B6%93%EE%85%9F%E6%9E%83。因此，encodeURI使用的還是UTF-8，並不會受到頁面字元集的影響。

對於包含中文的Url的處理問題，不同瀏覽器有不同的表現。例如對於IE，如果你勾選了高階設定"總是以UTF-8傳送Url"，那麼Url中的路徑部分的中文會使用UTF-8進行Url編碼之後傳送給伺服器端，而查詢引數中的中文部分使用系統預設字元集進行Url編碼。為了保證最大互操作性，建議所有放到Url中的元件全部顯式指定某個字元集進行Url編碼，而不依賴於瀏覽器的預設實現。

另外，很多HTTP監視工具或者瀏覽器位址列等在顯示Url的時候會自動將Url進行一次解碼（使用UTF-8字元集），這就是為什麼當你在Firefox中存取Google搜尋中文的時候，位址列顯示的Url包含中文的緣故。但實際上傳送給伺服器端的原始Url還是經過編碼的。你可以在位址列上使用Javascript存取location.href就可以看出來了。在研究Url編解碼的時候千萬別被這些假象給迷惑了。

下面，我們來個範例：

線上直接進行URL可以通過該網站

http://tools.jb51.net/transcoding/urlencode_decode

通過程式來實現

package com.souvc.test;

import java.io.UnsupportedEncodingException;
import java.net.URLDecoder;
import java.net.URLEncoder;
/**
* 類名: URLEncodeTest </br>
* 描述: 把URL 編碼或是解碼  </br>
* 開發人員： souvc </br>
* 建立時間：  2015-11-30 </br>
* 釋出版本：V1.0  </br>
 */
public class URLEncodeTest {

    public static void main(String[] args) {
        String URL ="http://www.souvc.com/oauthServlet";
        System.out.println(urlEncodeUTF8(URL));
        System.out.println(urlEncodeGb2312(URL));
        System.out.println(urlDecodeUTF8("http%3A%2F%2Fwww.souvc.com%2FoauthServlet"));
        System.out.println(urlDecodeGb2312("http%3A%2F%2Fwww.souvc.com%2FoauthServlet"));
    }
    
    /**
    * 方法名：urlEncodeUTF8</br>
    * 詳述： URL 編碼  </br>
    * 開發人員：souvc </br>
    * 建立時間：2015-11-30  </br>
    * @param source
    * @return
    * @throws
     */
    public static String urlEncodeUTF8(String URL) {
        String result = URL;
        try {
            result = URLEncoder.encode(URL, "UTF-8");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return result;
    }
    /**
    * 方法名：urlDecodeUTF8</br>
    * 詳述：URL 解碼 </br>
    * 開發人員：souvc </br>
    * 建立時間：2015-11-30  </br>
    * @param URL
    * @return
    * @throws
     */
    public static String urlDecodeUTF8(String URL) {
        String result = "";
        try {
            result = URLDecoder.decode(URL, "UTF-8");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return result;
    }
    
    /**
    * 方法名：urlDecodeGb2312</br>
    * 詳述：URL 解碼</br>
    * 開發人員：souvc  </br>
    * 建立時間：2015-11-30  </br>
    * @param URL
    * @return
    * @throws
     */
    public static String urlDecodeGb2312(String URL) {
        String result = "";
        try {
            result = URLDecoder.decode(URL, "gb2312");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return result;
    }
    
    
    /**
    * 方法名：urlEncodeGb2312</br>
    * 詳述：URL 編碼  </br>
    * 開發人員：souvc  </br>
    * 建立時間：2015-11-30  </br>
    * @param URL
    * @return
    * @throws
     */
    public static String urlEncodeGb2312(String URL) {
        String result = URL;
        try {
            result = URLEncoder.encode(URL, "gb2312");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return result;
    }
    
    
}

到此這篇關於Java結合JS實現URL編碼與解碼的文章就介紹到這了。希望對大家的學習有所幫助，也希望大家多多支援it145.com。