URL转义意义和其c++实现

URL中的字符只能是ASCII字符，但是ASCII字符比较少，而URL则常常包含ASCII字符集以外的字符，如非英语字符、汉字、特殊符号等等，所以要对URL进行转换。这个过程就叫做URL编码，或者叫URL转义，实质上就是将包含非ASCII字符的URL转换为有效的ASCII字符格式。

在进行URL编码时，每一个非ASCII字符都被替换为“%hh”格式，其中hh为两位十六进制数，它对应于该字符在ISO-8859-1字符集里的编码值。比如“中国”这两个汉字出现在URL，就要将他们转为“%D6%D0%B9%FA”，由于一个汉字需要两个字节，所以“中国”被替换成了四个ASCII字符。

转换代码入戏下:

/// 十六进制对应的字符
static unsigned char hexchars[] = "0123456789ABCDEF";

/**
* \brief 对url特殊字符进行编码
* \param s 输入字符串
* \param len 输入字符串长度
* \param new_length 输出字符串长度
* \return 输出编码后的url字符串，这段内存再使用完成以后需要释放
*/
char *url_encode(const char *s, int len, int *new_length)
{
register int x, y;
unsigned char *str;

str = (unsigned char *)malloc(3 * len + 1);
for(x = 0, y = 0; len--; x++, y++)
{
str[y] = (unsigned char) s[x];
if (str[y] == ' ')
{
str[y] = '+';
}
else if ((str[y] < '0' && str[y] != '-' && str[y] != '.')
|| (str[y] < 'A' && str[y] > '9')
|| (str[y] > 'Z' && str[y] < 'a' && str[y] != '_')
|| (str[y] > 'z'))
{
str[y++] = '%';
str[y++] = hexchars[(unsigned char) s[x] >> 4];
str[y] = hexchars[(unsigned char) s[x] & 15];
}
}
str[y] = '\0';
if (new_length) {
*new_length = y;
}
return ((char *) str);
}

void url_encode(std::string &s)
{
char *buf = url_encode(s.c_str(), s.length(), NULL);
if (buf)
{
s = buf;
free(buf);
}
}
//字符串转换整数
static inline int htoi(char *s)
{
int value;
int c;

c = ((unsigned char *)s)[0];
if (isupper(c))
c = tolower(c);
value = (c >= '0' && c <= '9' ? c - '0' : c - 'a' + 10) * 16;

c = ((unsigned char *)s)[1];
if (isupper(c))
c = tolower(c);
value += c >= '0' && c <= '9' ? c - '0' : c - 'a' + 10;

return (value);
}

/**
* \brief url字符串解码
* \param str 待解码的字符串，同时也作为输出
* \param len 待解码字符串的长度
* \return 解码以后的字符串长度
*/
int url_decode(char *str, int len)
{
char *dest = str;
char *data = str;

while (len--) {
if (*data == '+')
*dest = ' ';
else if (*data == '%' && len >= 2 && isxdigit((int) *(data + 1)) && isxdigit((int) *(data + 2))) {
*dest = (char) htoi(data + 1);
data += 2;
len -= 2;
}
else
*dest = *data;
data++;
dest++;
}
*dest = '\0';
return dest - str;
}

/**
* \brief url字符串解码
* \param str 待解码的字符串，同时也作为输出
*/
void url_decode(std::string &str)
{
char buf[str.length() + 1];
strcpy(buf, str.c_str());
url_decode(buf, str.length());
str = buf;
}
/**
* \brief url字符串解码,并处理成符合json格式
* \param str 待解码的字符串，同时也作为输出
*/
void url_decode_json(std::string &str)
{
char buf[str.length() + 1];
strcpy(buf, str.c_str());
url_decode(buf, str.length());
//去掉前后的'\"'符号
if(buf[0] && buf[0] == '\"')
{
buf[0] = ' ';
}
unsigned int bufStrLen = strlen(buf);
if(bufStrLen && bufStrLen < sizeof(buf) && buf[bufStrLen-1] == '\"')
{
buf[bufStrLen-1] = ' ';
}
str = buf;
//去掉符号'\\'作为'\"'的前缀
std::string::size_type pos = 0;//位置
std::string strsrc = "\\\"";//要替换的字符串
std::string strdst = "\"";//目标字符串
std::string::size_type srclen = strsrc.size();//要替换的字符串大小
std::string::size_type dstlen = strdst.size();//目标字符串大小
while((pos = str.find(strsrc,pos)) != std::string::npos)
{
str.replace(pos,srclen,strdst);
pos += dstlen;
}
}

ASCII字符与URL编码的对照表如下

ASCII字符 URL编码

空格 %20

! %21

" %22

# %23

$ %24

% %25

& %26

' %27

( %28

) %29

* %2A

+ %2B

, %2C

- %2D

. %2E

/ %2F

0 %30

1 %31

2 %32

3 %33

4 %34

5 %35

6 %36

7 %37

8 %38

9 %39

: %3A

; %3B

< %3C = %3D > %3E

? %3F

@ %40

A %41

B %42

C %43

D %44

E %45

F %46

G %47

H %48

I %49

J %4A

K %4B

L %4C

M %4D

N %4E

O %4F

P %50

Q %51

R %52

S %53

T %54

U %55

V %56

W %57

X %58

Y %59

Z %5A

[ %5B

\ %5C

] %5D

^ %5E

_ %5F

` %60

a %61

b %62

c %63

d %64

e %65

f %66

g %67

h %68

i %69

j %6A

k %6B

l %6C

m %6D

n %6E

o %6F

p %70

q %71

r %72

s %73

t %74

u %75

v %76

w %77

x %78

y %79

z %7A

{ %7B

| %7C

} %7D

~ %7E

%7F

€ %80

%81

? %82

? %83

? %84

… %85

? %86

? %87

? %88

‰ %89

? %8A

? %8B

? %8C

%8D

? %8E

%8F

%90

‘ %91

’ %92

“ %93

” %94

? %95

– %96

— %97

? %98

? %99

? %9A

? %9B

? %9C

%9D

? %9E

? %9F

%A0

? %A1

￠ %A2

￡ %A3

%A4

￥ %A5

| %A6

§ %A7

¨ %A8

? %A9

a %AA

? %AB

? %AC

ˉ %AD

? %AE

ˉ %AF

° %B0

± %B1

2 %B2

3 %B3

′ %B4

μ %B5

? %B6

· %B7

? %B8

1 %B9

o %BA

? %BB

? %BC

? %BD

? %BE

? %BF

à %C0

á %C1

? %C2

? %C3

? %C4

? %C5

? %C6

? %C7

è %C8

é %C9

ê %CA

? %CB

ì %CC

í %CD

? %CE

? %CF

D %D0

? %D1

ò %D2

ó %D3

? %D4

? %D5

? %D6

%D7

? %D8

ù %D9

ú %DA

? %DB

ü %DC

Y %DD

T %DE

? %DF

à %E0

á %E1

a %E2

? %E3

? %E4

? %E5

? %E6

? %E7

è %E8

é %E9

ê %EA

? %EB

ì %EC

í %ED

? %EE

? %EF

e %F0

? %F1

ò %F2

ó %F3

? %F4

? %F5

? %F6

÷ %F7

? %F8

ù %F9

ú %FA

? %FB

ü %FC

y %FD

t %FE

? %FF