我正在尝试使用Java解码包含%编码字符的URL。
我已经尝试使用java.net.URI类来完成这项工作,但它并不总是正确的。
String test = "https://fr.wikipedia.org/wiki/Fondation_Alliance_fran%C3%A7aise";
URI uri = new URI(test);
System.out.println(uri.getPath());
针对测试字符串 "https://fr.wikipedia.org/wiki/Fondation_Alliance_fran%C3%A7aise", 结果是正确的 "/wiki/Fondation_Alliance_française"(%C3%A7 被正确替换成 ç)。
但对于其他一些测试字符串,如 "http://sv.wikipedia.org/wiki/Anv%E4ndare:Lsjbot/Statistik#Drosophilidae",它给出了一个错误的结果 "/wiki/Anv�ndare:Lsjbot/Statistik"(%E4 被替换成�而不是 ä)。
我使用了 getRawPath() 和 URLDecoder 类进行了一些测试。
System.out.println(URLDecoder.decode(uri.getRawPath(), "UTF8"));
System.out.println(URLDecoder.decode(uri.getRawPath(), "ISO-8859-1"));
System.out.println(URLDecoder.decode(uri.getRawPath(), "WINDOWS-1252"));
根据测试字符串,我使用不同的编码可以得到正确的结果:
- 对于%C3%A7,我使用"UTF-8"编码可以得到预期的正确结果,而使用"ISO-8859-1"或"WINDOWS-1252"编码则会得到错误的结果
- 对于%E4,则相反。
对于这两个测试URL,如果我在Chrome地址栏中输入它们,我可以得到正确的页面。
如何在所有情况下正确解码URL? 感谢任何帮助。
==== 答案 ====
感谢McDowell答案下的建议,现在似乎已经可以工作了。这是我现在的代码:
private static void appendBytes(ByteArrayOutputStream buf, String data) throws UnsupportedEncodingException {
byte[] b = data.getBytes("UTF8");
buf.write(b, 0, b.length);
}
private static byte[] parseEncodedString(String segment) throws UnsupportedEncodingException {
ByteArrayOutputStream buf = new ByteArrayOutputStream(segment.length());
int last = 0;
int index = 0;
while (index < segment.length()) {
if (segment.charAt(index) == '%') {
appendBytes(buf, segment.substring(last, index));
if ((index < segment.length() + 2) &&
("ABCDEFabcdef0123456789".indexOf(segment.charAt(index + 1)) >= 0) &&
("ABCDEFabcdef0123456789".indexOf(segment.charAt(index + 2)) >= 0)) {
buf.write((byte) Integer.parseInt(segment.substring(index + 1, index + 3), 16));
index += 3;
} else if ((index < segment.length() + 1) &&
(segment.charAt(index + 1) == '%')) {
buf.write((byte) '%');
index += 2;
} else {
buf.write((byte) '%');
index++;
}
last = index;
} else {
index++;
}
}
appendBytes(buf, segment.substring(last));
return buf.toByteArray();
}
private static String parseEncodedString(String segment, Charset... encodings) {
if ((segment == null) || (segment.indexOf('%') < 0)) {
return segment;
}
try {
byte[] data = parseEncodedString(segment);
for (Charset encoding : encodings) {
try {
if (encoding != null) {
return encoding.newDecoder().
onMalformedInput(CodingErrorAction.REPORT).
decode(ByteBuffer.wrap(data)).toString();
}
} catch (CharacterCodingException e) {
// Incorrect encoding, try next one
}
}
} catch (UnsupportedEncodingException e) {
// Nothing to do
}
return segment;
}