使用 URLDecoder 和 URLEncoder 对中文字符进行编码和解码

川长思鸟来 2022-06-02 04:28 252阅读 0赞

URLDecoder 和 URLEncoder 用于完成普通字符串 和 application/x-www-form-urlencoded MIME 字符串之间的相互转换。在本文中，我们以使用URLDecoder解决GET请求中文乱码问题为场景说明 URLDecoder/URLEncoder 的用法，并给出了 application/x-www-form-urlencoded MIME 字符串的编码规则。

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

## 一. URLDecoder/URLEncoder 使用场景概述 ##

URLDecoder 和 URLEncoder 用于完成普通字符串 和 application/x-www-form-urlencoded MIME 字符串之间的相互转换。在介绍 application/x-www-form-urlencoded MIME 字符串之前，我们先考虑如下场景，如下图所示：

![URL.png-14.8kB][]

我们知道，在我们向客户端发起请求时，浏览器会根据请求URL生成相应的请求报文发送给服务器。在这个过程中，如果我们在浏览器中的地址栏中所输入的URL包含中文字符时，浏览器首先会将这些中文字符进行编码然后再发送给服务器。实际上，浏览器会将它们转换为 application/x-www-form-urlencoded MIME 字符串，如下图所示：

![转码.png-48.7kB][.png-48.7kB]

更确切的，当URL地址里包含非西欧字符的字符串时，浏览器都会将这些非西欧字符串转换成application/x-www-form-urlencoded MIME 字符串。在开发过程中，我们可能涉及将普通字符串和这种特殊字符串的相关转换，这就需要使用 URLDecoder 和 URLEncoder类进行实现，其中：

*  URLDecoder类包含一个decode(String s,String enc)静态方法，它可以将application/x-www-form-urlencoded MIME字符串转成普通字符串；
 *  URLEncoder类包含一个encode(String s,String enc)静态方法，它可以将普通字符串转换成application/x-www-form-urlencoded MIME字符串。
    
    　　下面程序示范了普通字符串转与 application/x-www-form-urlencoded MIME 字符串之间的转化。

public class URLDecoderTest { 
        public static void main(String[] args) throws Exception {
    
            // 将application/x-www-form-urlencoded字符串转换成普通字符串
            // 其中的字符串直接从上图所示窗口复制过来,chrome 默认用 UTF-8 字符集进行编码，所以也应该用对应的字符集解码
            System.out.println("采用UTF-8字符集进行解码:");
            String keyWord = URLDecoder.decode("%E5%A4%A9%E6%B4%A5%E5%A4%A7%E5%AD%A6+Rico", "UTF-8");
            System.out.println(keyWord);
            System.out.println("\n 采用GBK字符集进行解码:");
            System.out.println(URLDecoder.decode("%E5%A4%A9%E6%B4%A5%E5%A4%A7%E5%AD%A6+Rico", "GBK"));
    
            // 将普通字符串转换成application/x-www-form-urlencoded字符串
            System.out.println("\n 采用utf-8字符集:");
            String urlStr = URLEncoder.encode("天津大学", "utf-8");
            System.out.println(urlStr);
            System.out.println("\n 采用GBK字符集:");
            String urlStr2 = URLEncoder.encode("天津大学", "GBK");
            System.out.println(urlStr2);
        }
    }/* Output: 采用UTF-8字符集进行解码: 天津大学 Rico 采用GBK字符集进行解码: 澶╂触澶у Rico 采用utf-8字符集: %E5%A4%A9%E6%B4%A5%E5%A4%A7%E5%AD%A6 采用GBK字符集: %CC%EC%BD%F2%B4%F3%D1%A7 *///:~
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
       13
       14
       15
       16
       17
       18
       19
       20
       21
       22
       23
       24
       25
       26
       27
       28
       29
       30
       31
       32

特别地，仅包含西欧字符的普通字符串和application/x-www-form-urlencoded MIME字符串无须转换，而包含中文字符的普通字符串则需要转换，转换的方法是每个中文字符占2个字节，每个字节可以转换成2个十六进制的数字，所以每个中文字符将转换成“%XX%XX”的形式。当然，采用不同的字符集时，每个中文字符对应的字节数并不完全相同，所以使用URLEncoder和URLDecoder进行转换时也需要指定字符集。特别地，字符串应以同样的字符集进行编码和解码，否则会产生意想不到的结果，如上述程序示例所示。

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

## 二. 解决GET请求中文乱码问题 ##

URLDecoder的一个应用场景就是解决GET请求的中文乱码问题，如下述代码所示：

<%@page import="java.net.URLDecoder"%>
    <%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%>
    <html>
    <head>
        <title>Test</title>
    </head>
    <body>
        <% String param1 = request.getQueryString(); String param2 = URLDecoder.decode(param1, "utf-8"); out.print(param2.split("=")[1] + "<br>"); %>
    </body>
    </html>
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
       13
       14

特别需要注意的是，>使用此方式对GET请求参数进行解码时，我们必须先对 request.getQueryString 方法的返回值(例如，“name=摩羯西门吹雪”)进行解码，然后再从中取出我们所需要的参数值。如果先取出参数值，然后再对参数值进行解码，则我们将得到乱码，如下图所示：

![乱码.png-21.5kB][.png-21.5kB]

此外，对于包含中文字符的POST请求参数，我们只需在获取请求参数前通过以下代码语句进行转码即可：

request.setCharacterEncoding("utf-8");
     
      
       1

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

## 三. URLEncoder & URLDecoder ##

对 String 编码时，使用以下规则：

*  字母、数字和字符， “a” 到 “z”、”A” 到 “Z” 和 “0” 到 “9” 保持不变；
 *  特殊字符 “.”、”-“、”\*” 和 “\_” 保持不变；
 *  空格字符 ” ” 转换为一个加号 “+”。
    
    　　除此之外，所有的其他字符都是不安全的。因此需要使用一些编码机制将它们转换为一个或多个字节，每个字节用一个包含 3 个字符的字符串 “%xy” 表示，其中 xy 为该字节的两位十六进制表示形式，推荐的编码机制是 UTF-8。例如，使用 UTF-8 编码机制，字符串 “The string ü@foo-bar” 将转换为 “The+string+%C3%BC%40foo-bar”，因为在 UTF-8 中，字符 ü 编码为两个字节，C3 （十六进制）和 BC （十六进制），字符 @ 编码为一个字节 40 （十六进制）。
    
    　　关于 URLDecoder 类的使用，转换过程正好与 URLEncoder 类使用的过程相反，此不赘述。

[URL.png-14.8kB]: /images/20220602/f86f695d52e94947b5d9f22784d5e852.png
[.png-48.7kB]: /images/20220602/23ba472f0d144e53bd84a29c5822df94.png
[.png-21.5kB]: /images/20220602/d9576880ab4e4469889574c84a2e8dd2.png