`
mywhy
  • 浏览: 63115 次
  • 性别: Icon_minigender_1
  • 来自: 西安
社区版块
存档分类
最新评论

java.net.URLEncode编码 与 URLDecode解码问题

阅读更多
/*

  网页中的表单使用POST方法提交时,数据内容的类型是 application/x-www-form-urlencoded,这种类型会:

  1.字符"a"-"z","A"-"Z","0"-"9",".","-","*",和"_" 都不会被编码;

  2.将空格转换为加号 (+) ;

  3.将非文本内容转换成"%xy"的形式,xy是两位16进制的数值;

  4.在每个 name=value 对之间放置 & 符号。

  */

  URLEncoder类包含将字符串转换为application/x-www-form-urlencoded MIME 格式的静态方法。

  web设计者面临的众多难题之一便是怎样处理不同操作系统间的差异性。这些差异性能引起URL方面的问题:例如,一些操作系统允许文件名中含有空格符,有些又不允许。大多数操作系统不会认为文件名中含有符号“#”会有什么特殊含义;但是在一个URL中,符号“#”表示该文件名已经结束,后面会紧跟一个fragment(部分)标识符。其他的特殊字符,非字母数字字符集,它们在URL或另一个操作系统上都有其特殊的含义,表述着相似的问题。为了解决这些问题,我们在URL中使用的字符就必须是一个ASCII字符集的固定字集中的元素,具体如下:

  1.大写字母A-Z

  2.小写字母a-z

  3.数字 0-9

  4.标点符 - _ . ! ~ * ' (和 ,)

  诸如字符: / & ? @ # ; $ + = 和 %也可以被使用,但是它们各有其特殊的用途,如果一个文件名包括了这些字符( / & ? @ # ; $ + = %),这些字符和所有其他字符就应该被编码。

  编码过程非常简单,任何字符只要不是ASCII码数字,字母,或者前面提到的标点符,它们都将被转换成字节形式,每个字节都写成这种形式:一个“%”后面跟着两位16进制的数值。空格是一个特殊情况,因为它们太平常了。它除了被编码成“%20”以外,还能编码为一个“+”。加号(+)本身被编码为%2B。当/ # = & 和?作为名字的一部分来使用时,而不是作为URL部分之间的分隔符来使用时,它们都应该被编码。

  WARNING这种策略在存在大量字符集的异构环境中效果不甚理想。例如:在U.S. Windows 系统中, é 被编码为 %E9. 在 U.S. Mac中被编码为%8E。这种不确定性的存在是现存的URI的一个明显的不足。所以在将来URI的规范当中应该通过国际资源标识符(IRIs)进行改善。

  类URL并不自动执行编码或解码工作。你能生成一个URL对象,它可以包括非法的ASCII和非ASCII字符和/或%xx。当用方法getPath() 和toExternalForm( ) 作为输出方法时,这种字符和转移符不会自动编码或解码。你应对被用来生成一个URL对象的字符串对象负责,确保所有字符都会被恰当地编码。

  幸运的是,java提供了一个类URLEncoder把string编码成这种形式。Java1.2增加了一个类URLDecoder它能以这种形式解码string。这两个类都不用初始化:

  public class URLDecoder extends Object

  public class URLEncoder extends Object

  一、URLEncoder

  在java1.3和早期版本中,类java.net.URLEncoder包括一个简单的静态方法encode( ), 它对string以如下规则进行编码:

  public static String encode(String s)

  这个方法总是用它所在平台的默认编码形式,所以在不同系统上,它就会产生不同的结果。结果java1.4中,这个方法被另一种方法取代了。该方法要求你自己指定编码形式:

  public static String encode(String s, String encoding) throws UnsupportedEncodingException

  两种关于编码的方法,都把任何非字母数字字符转换成%xx(除了空格,下划线(_),连字符(?),句号(。),和星号(*))。两者也都编码所以的非ASCII字符。空格被转换成一个加号。这些方法有一点过分累赘了;它们也把“~”,“‘”,“()”转换成%xx,即使它们完全用不着这样做。尽管这样,但是这种转换并没被URL规范所禁止。所以web浏览器会自然地处理这些被过分编码后的URL。

  两中关于编码的方法都返回一个新的被编码后的string,java1.3的方法encode( ) 使用了平台的默认编码形式,得到%xx。这些编码形式典型的有:在 U.S. Unix 系统上的ISO-8859-1, 在U.S. Windows 系统上的Cp1252,在U.S. Macs上的MacRoman,和其他本地字符集等。因为编码解码过程都是与本地操作平台相关的,所以这些方法是令人不爽的,不能跨平台的。

  这就明确地回答了为什么在java1.4中这种方法被抛弃了,转而投向了要求以自己指定编码形式的这种方法。尽管如此,如果你执意要使用所在平台的默认编码形式,你的程序将会像在java1.3中的程序一样,是本地平台相关的。在另一种编码的方法中,你应该总是用UTF-8,而不是其他什么。UTF-8比起你选的其他的编码形式来说,它能与新的web浏览器和更多的其他软件相兼容。

  例子7-8是使用URLEncoder.encode( ) 来打印输出各种被编码后的string。它需要在java1.4或更新的版本中编译和运行。

  Example 7-8. x-www-form-urlencoded strings

  import java.net.URLEncoder;  import java.net.URLDecoder;  import java.io.UnsupportedEncodingException;  public class EncoderTest {  public static void main(String[] args) {  try {  System.out.println(URLEncoder.encode("This string has spaces","UTF-8"));  System.out.println(URLEncoder.encode("This*string*has*asterisks","UTF-8"));  System.out.println(URLEncoder.encode("This%string%has%percent%signs", "UTF-8"));  System.out.println(URLEncoder.encode("This+string+has+pluses","UTF-8"));  System.out.println(URLEncoder.encode("This/string/has/slashes","UTF-8"));  System.out.println(URLEncoder.encode("This"string"has"quote"marks", "UTF-8"));  System.out.println(URLEncoder.encode("This:string:has:colons","UTF-8"));  System.out.println(URLEncoder.encode("This~string~has~tildes","UTF-8"));  System.out.println(URLEncoder.encode("This(string)has(parentheses)", "UTF-8"));  System.out.println(URLEncoder.encode("This.string.has.periods","UTF-8"));  System.out.println(URLEncoder.encode("This=string=has=equals=signs", "UTF-8"));  System.out.println(URLEncoder.encode("This&string&has&ersands","UTF-8"));  System.out.println(URLEncoder.encode("Thiséstringéhasé non-ASCII characters","UTF-8"));  // System.out.println(URLEncoder.encode("this中华人民共和国","UTF-8"));  } catch (UnsupportedEncodingException ex) {throw new RuntimeException("Broken VM does not support UTF-8");  }  }  }

  下面就是它的输出。需要注意的是这些代码应该以其他编码形式被保存而不是以ASCII码的形式,还有就是你选择的编码形式应该作为一个参数传给编译器,让编译器能据此对源代码中的非ASCII字符作出正确的解释。

  % javac -encoding UTF8 EncoderTest %

  java EncoderTest

  This+string+has+spaces

  This*string*has*asterisks

  This%25string%25has%25percent%25signs

  This%2Bstring%2Bhas%2Bpluses

  This%2Fstring%2Fhas%2Fslashes

  This%22string%22has%22quote%22marks

  This%3Astring%3Ahas%3Acolons

  This%7Estring%7Ehas%7Etildes

  This%28string%29has%28parentheses%29

  This.string.has.periods

  This%3Dstring%3Dhas%3Dequals%3Dsigns

  This%26string%26has%26ampersands

  This%C3%A9string%C3%A9has%C3%A9non-ASCII+characters

  特别需要注意的是这个方法编码了符号,“\” ,&,=,和:。它不会尝试着去规定在一个URL中这些字符怎样被使用。由此,所以你不得不分块编码你的URL,而不是把整个URL一次传给这个方法。这是很重要的,因为对类URLEncoder最通常的用法就是查询string,为了和服务器端使用GET方法的程序进行交互。例如,假设你想编码这个查询sting,它用来搜索AltaVista网站:

  pg=q&kl=XX&stype=stext&q=+"Java+I/O"&search.x=38&search.y=3

  这段代码对其进行编码:

  String query = URLEncoder.encode( "pg=q&kl=XX&stype=stext&q=+"Java+I/O"&search.x=38&search.y=3");System.out.println(query);

  不幸的是,得到的输出是:

  pg%3Dq%26kl%3DXX%26stype%3Dstext%26q%3D%2B%22Java%2BI%2FO%22%26search.x%3D38%26search.y%3D3

  出现这个问题就是方法URLEncoder.encode( ) 在进行盲目地编码。它不能区分在URL或者查询string中被用到的特殊字符(象前面string中的“=”,和“&”)和确实需要被编码的字符。由此,所以URL需要像下面这样一次只编码一块:

  String query = URLEncoder.encode("pg");  query += "=";  query += URLEncoder.encode("q");  query += "&";  query += URLEncoder.encode("kl");  query += "=";  query += URLEncoder.encode("XX");  query += "&";  query += URLEncoder.encode("stype");  query += "=";  query += URLEncoder.encode("stext");  query += "&";  query += URLEncoder.encode("q");  query += "=";  query += URLEncoder.encode(""Java I/O"");  query += "&";  query += URLEncoder.encode("search.x");  query += "=";  query += URLEncoder.encode("38");  query += "&";  query += URLEncoder.encode("search.y");  query += "=";  query += URLEncoder.encode("3");  System.out.println(query);

  这才是你真正想得到的输出:

  pg=q&kl=XX&stype=stext&q=%2B%22Java+I%2FO%22&search.x=38&search.y=3

  例子7-9是一个QueryString类。在一个java对象中,它使用了类URLEncoder来编码连续的属性名和属性值对,这个java对象被用来发送数据到服务器端的程序。

  当你在创建一个QueryString对象时,你可以把查询string中的第一个属性对传递给类QueryString的构造函数,得到初始string。如果要继续加入后面的属性对,就应调用方法add(),它也能接受两个string作为参数,能对它们进行编码。方法getQuery( )返回一个属性对被逐个编码后得到的整个string。

  Example 7-9. -The QueryString class

  package com.macfaq.net;  import java.net.URLEncoder;  import java.io.UnsupportedEncodingException;  public class QueryString {  private StringBuffer query = new StringBuffer();  public QueryString(String name, String value) {  encode(name, value);  }  public synchronized void add(String name, String value) {  query.append('&');  encode(name, value);  }  private synchronized void encode(String name, String value) {  try {  query.append(URLEncoder.encode(name, "UTF-8"));  query.append('=');  query.append(URLEncoder.encode(value, "UTF-8"));  } catch (UnsupportedEncodingException ex) {  throw new RuntimeException("Broken VM does not support UTF-8");  }  }  public String getQuery() {  return query.toString();  }  public String toString() {  return getQuery();  }  }

  利用这个类,现在我们就能对前面那个例子中的string进行编码了:

  QueryString qs = new QueryString("pg", "q");  qs.add("kl", "XX");  qs.add("stype", "stext");  qs.add("q", "+"Java I/O"");  qs.add("search.x", "38");  qs.add("search.y", "3");  String url = "http://www.altavista.com/cgi-bin/query?" + qs;  System.out.println(url);

  二、URLDecoder

  与URLEncoder 类相对应的URLDecoder 类有两种静态方法。它们解码以x-www-form-url-encoded这种形式编码的string。也就是说,它们把所有的加号(+)转换成空格符,把所有的%xx分别转换成与之相对应的字符:

  public static String decode(String s) throws Exception  public static String decode(String s, String encoding) // Java 1.4 throws UnsupportedEncodingException

  第一种解码方法在java1.3和java1.2中使用。第二种解码方法在java1.4和更新的版本中使用。如果你拿不定主意用哪种编码方式,那就选择UTF-8吧。它比其他任何的编码形式更有可能得到正确的结果。

  如果string包含了一个“%”,但紧跟其后的不是两位16进制的数或者被解码成非法序列,该方法就会抛出IllegalArgumentException 异常。当下次再出现这种情况时,它可能就不会被抛出了。这是与运行环境相关的,当检查到有非法序列时,抛不抛出IllegalArgumentException 异常,这时到底会发生什么是不确定的。在Sun's JDK 1.4中,不会抛出什么异常,它会把一些莫名其妙的字节加进不能被顺利编码的string中。这的确令人头疼,可能就是一个安全漏洞。

  由于这个方法没有触及到非转义字符,所以你可以把整个URL作为参数传给该方法,不用像之前那样分块进行。例如:

  String input = "http://www.altavista.com/cgi-bin/" + "query?pg=q&kl=XX&stype=stext&q=%2B%22Java+I%2FO%22&search.x=38&search.y=3";  try {  String output = URLDecoder.decode(input, "UTF-8");  System.out.println(output);  }
分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics