Google App Engine for Java下的URL编码转换问题

URL编码问题

此部分参考英文资料：

• http://www.blooberry.com/indexdot/html/topics/urlencoding.htm
• http://www.w3schools.com/TAGS/ref_urlencode.asp
• http://www.rfc-editor.org/rfc/rfc2396.txt

在HTTP客户端使用get方法通过URL向服务器发送参数里，由于URL里面只可以包含允许的字符（也称为合法字符），所以一旦参数里面存在非法字符，就必须通过某种手段对其进行合法化转换，在服务器端再将其转换回来，

在RFC1738：Uniform Resource Locators (URL) 规范中，指出URL只能包含AscII集中的一个子集中的字符，这个子集也称作AscII character-set，原文写道：

"...Only alphanumerics [0-9a-zA-Z], the special characters "$-_.+!*'()," [not including the quotes - ed], and reserved characters used for their reserved purposes may be used unencoded within a URL."

实际上URL规范中，字符包括保留字符，非保留字符两种，RFC2396中定义了URL中的保留(reserved)字符为：

Reserved

reserved    = ";" | "/" | "?" | ":" | "@" | "&" | "=" | "+" |
                    "$" | ","

非保留字符为：

Unreserved

unreserved  = alphanum | mark

      mark        = "-" | "_" | "." | "!" | "~" | "*" | "'" | "(" | ")"

 

实际上非保留字符就是AscII character-set，此集合之外的字符都被称为非法字符（invalid character)或不安全字符(unsafe character)，这些字符都将被编码转换为合法字符(valid character)或叫安全字符(safe charactor)，转换的动作在英文常表示为escape。

escape的方式如下规范中所述：

 

Escaped Encoding

An escaped octet is encoded as a character triplet, consisting of the
   percent character "%" followed by the two hexadecimal digits
   representing the octet code. For example, "%20" is the escaped
   encoding for the US-ASCII space character.

      escaped     = "%" hex hex
      hex         = digit | "A" | "B" | "C" | "D" | "E" | "F" |
                            "a" | "b" | "c" | "d" | "e" | "f"

 

转换时使用的字符集为ISO-8859-1也称为ISO-Latin或Latin-1，注意不是Unicode，这就引起了新的问题，对于不在ISO-Latin中的符号，就没有一个安全的途径进行编码，因为根据RFC2396（注意这是URI规范，但是对URL适用，因为URL是URI的子集，有兴趣的读者请查阅URL和URI之间的关系），URL里还无法指定自定义的字符集(比如UTF-8)。

虽然根据标准，在URL中我们无法使用非ISO-Latin字符集以外的字符，但是在现实中，为了解决实际问题，大家都有事实上的标准那就是Unicode编码，现行的为UTF-8，现在浏览器都支持UTF-8的URL编码转换，当然，这个时候的转换动作不再叫escape，而是称为URIEncode。另外，UTF-8与Latin-1是兼容的，相关的信息可参考：

• http://www.stanford.edu/~laurik/fsmbook/faq/utf8.html
• http://baike.baidu.com/view/25412.htm
• http://www.permadi.com/tutorial/urlEncoding/

PHP与Javascript相关的URIEncode操作请参见：http://blog.verymore.com/show-989-1.html

GWT的URL编码与解码

使用URL类中的静态方法URL.decode 和 URL.encode来进行。

java.lang.Object
  com.google.gwt.http.client.URL  
Method Summary
static java.lang.String
decode(java.lang.String encodedURL) 
          Returns a string where all URL escape sequences have been converted back to their original character representations.
static java.lang.String
decodeComponent(java.lang.String encodedURLComponent) 
          Returns a string where all URL component escape sequences have been converted back to their original character representations.
static java.lang.String
encode(java.lang.String decodedURL) 
          Returns a string where all characters that are not valid for a complete URL have been escaped.
static java.lang.String
encodeComponent(java.lang.String decodedURLComponent) 
          Returns a string where all characters that are not valid for a URL component have been escaped.

GAE4Java的编码与解码

实际上，由于写本文的初衷是作者在这个环境下开发程序时想理清这个问题，所以将服务器环境定位为GAE，实际上就是Java下的URL编码问题，可以参考：http://china.manufacturer.com/article/study_for_character_encoding_java.htm。

Java中URI Encoding的相关类为URLEncoder，URLDecoder

示例：

 String text = java.net.URLEncoder.encode("编码转换", "utf-8");

 

java.lang.Object
java.net.URLEncoder

Method Summary
static String	encode(String s, String enc)           使用指定的编码机制将字符串转换为 application/x-www-form-urlencoded 格式。

URLDecoder此处略去，同上。

【完】