Java url中的编解码

爱被打了一巴掌 2022-05-14 06:50 188阅读 0赞

相信web开发者都或多或少见过类似如下的url：

### [http://loaclhost:8088/xxx/%e4%b8%ad%e5%9b%bd?size=4][http_loaclhost_8088_xxx_e4_b8_ad_e5_9b_bd_size_4] ###

初次见到url中包含红色字体的部分，心中有一个疑问，这到底是什么鬼？

后来知道了红色字体部分是中文“中国”通过url编码得到，那么疑问又来了，为什么不直接使用“中国”呢？又是通过什么手段将“中国”转换成那么奇怪的额字符串呢？

> 问题一，中文在计算机的世界中是没有办法被识别的，诸如韩文、日文也是如此，需要用一种统一的标准来标准各种语言文字，就像英文是世界的通用语言一样。于是Unicode出现了，Unicode将地球上所有出现过的文字都记录下来，并用数字与文字一一对应，每一个文字都有了独有的表达方式（比如“中”对应的数字为20013），如此，只认识“0”、“1”的计算机边可以通过数字间接识别文字。众所周知，字节是计算机中最小的计量单位，但是Unicode自身不利于编解码，所以后来在其基础之上诞生了诸如UTF-8、GBK、ISO-8859-1等编码，而其中的UTF-8成为了世界流行通用的编码。上文红色字体部分就是在UTF-8的编码基础之上得到的，具体如何实现见问题二。

> 问题二，对于中文的url编码可以基于UTF-8或者GBK，由于国际化，这里就讨论基于UTF-8的情况。UTF-8的编码规则可以参考[百度百科][Link 1]。中文基本汉字在Unicode的范围为4E00-9FA5，编码成UTF-8为三个字节，对应的编码规则如下：
> 
> **1110**XXXX   
> 
> **10**XX XXXX
> 
> **10**XX XXXX
> 
> 举一个例子，将“中”编码成UTF-8。“中”对应的Unicode为“20013”，“20013”转换成二进制为“100 111000 101101”，通过上述编码规则编码成UTF-8为“**11100100 10111000 10101101**”,将红色部分提取出来正好是“20013”的二进制，将UTF-8编码转换成16进制为e4b8ad，每个字节前面添加%，变为[%e4%b8%ad][http_loaclhost_8088_xxx_e4_b8_ad_e5_9b_bd_size_4]，是不是很熟悉的感觉。看看上文url的红色字体部分呢，对的，红色文字部分是“中国”的url编码。

url编码的原理已经介绍完毕了，下面用Java程序实现编码和解码过程。

import java.io.UnsupportedEncodingException;
    import java.util.Arrays;
    
    public class UrlTest {
      public static void main(String[] args) throws UnsupportedEncodingException {
        System.out.println(urlEncode("中国"));    //%e4%b8%ad%e5%9b%bd
        System.out.println(urlDecode("%e4%b8%ad%e5%9b%bd"));    //中国
      }
    
      static String urlEncode(String str) throws UnsupportedEncodingException {
        StringBuilder sb = new StringBuilder();
        //获得UTF-8编码的字节数组
        byte[] utf8 = str.getBytes("UTF-8");
        for (byte b : utf8) {
          System.out.println(b);
          //将字节转换成16进制，并截取最后两位
          String hexStr = Integer.toHexString(b);
          String temp = hexStr.substring(hexStr.length() - 2);
          //添加%
          sb.append("%");
          sb.append(temp);
        }
        return sb.toString();
      }
    
      static String urlDecode(String str) throws UnsupportedEncodingException {
        if (str == null) {
          return null;
        }
        if (str.length() % 3 != 0) {
          return null;
        }
        byte[] arr = new byte[str.length() / 3];
        for (int i = 0; i <= str.length() - 3; i += 3) {
          //截取%后两位
          String temp = null;
          if (i == str.length() - 3) {
            temp = str.substring(i + 1);
          } else {
            temp = str.substring(i + 1, i + 3);
          }
          System.out.println(temp);
          //转换成自字节
          arr[i / 3] = (byte) Integer.parseInt(temp, 16);
        }
        System.out.println(Arrays.toString(arr));    //[-28, -72, -83, -27, -101, -67]
        //解码
        return new String(arr, 0, arr.length, "UTF-8");
      }
    
    }

[http_loaclhost_8088_xxx_e4_b8_ad_e5_9b_bd_size_4]: http://172.26.37.11:8088/category-predict-api/prediction/basic-categories/matched/%E5%86%85%E5%AE%B9%E8%BF%90%E8%90%A5?size=4
[Link 1]: https://baike.baidu.com/item/UTF-8/481798?fr=aladdin