C/C++编程：url编解码实现

青旅半醒 2022-09-04 07:44 185阅读 0赞

# 编码 #

## 为什么需要编码 ##

为什么要进行URL编码？通常如果一样东西需要编码，说明这样东西并不适合直接进行传输。

1、会引起歧义：例如 URL 参数字符串中使用 key=value 这样的键值对形式来传参，键值对之间以 & 符号分隔，如 ?postid=5038412&t=1450591802326，服务器会根据参数串的 & 和 = 对参数进行解析，如果 value 字符串中包含了 = 或者 & ，如宝洁公司的简称为P&G，假设需要当做参数去传递，那么可能URL所带参数可能会是这样 ?name=P&G&t=1450591802326，因为参数中多了一个&势必会造成接收 URL 的服务器解析错误，因此必须将引起歧义的 & 和 = 符号进行转义， 也就是对其进行编码。

2、非法字符：又如，URL 的编码格式采用的是 ASCII 码，而不是 Unicode，这也就是说你不能在 URL 中包含任何非 ASCII 字符，例如中文。否则如果客户端浏览器和服务端浏览器支持的字符集不同的情况下，中文可能会造成问题。

## 哪些字符需要编码 ##

*  **字母数字**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 “+”。
 *  所有其他字符都是不安全的，因此：
    
     *  首先使用一些编码机制将它们转换为一个或多个字节。
     *  然后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。

## 编码目的 ##

是将**不安全的字符**转换为安全字符\[UTF-8\]

比如： 比如：

*  http://zh.wikipedia.org/wiki/春节—》http://zh.wikipedia.org/wiki/%E6%98%A5%E8%8A%82，也就是说将"春节"编码成了"%E6%98%A5%E8%8A%82"。==》我们知道，“春"和"节"的utf-8编码分别是"E6 98 A5"和"E8 8A 82”，因此，"%E6%98%A5%E8%8A%82"就是按照顺序，在每个字节前加上%而得到的

## 怎么编码 ##

将需要转码的字符转为16进制，然后从右到左，取4位(不足4位直接处理)，每2位做一位，前面加上%，编码成%XY格式。

static unsigned char enc_tab[] = "0123456789ABCDEF";
    int main(int argc, char* argv[])
    {
        
        const char *str = "中国人";
    
    
        int len = strlen(str);
        for(int i = 0; i < len; i++){
        
            printf("%d, %c,  %c\n", (unsigned char)str[i],
                     enc_tab[(unsigned char)str[i] >> 4],   // 取前4个
                     enc_tab[(unsigned char)str[i] & 0x0F]  // 取后4个
                     );
        }
    }

![在这里插入图片描述][e55ad4b7cc8841f58108209c415ba1d2.png]

## 完整代码 ##

/**
         * URL 编码函数
         * @param str {const char*} 源字符串
         * @return {char*} 编码后的字符串，返回值不可能为空，需要用 free 释放
         */
        static unsigned char enc_tab[] = "0123456789ABCDEF";
        char *acl_url_encode(const char *str){
        
            int len = (int) strlen(str);
            int tmp_len = len;
    
            unsigned char *tmp = (unsigned char*) malloc(len + 1);
    
            int i, j;
            for (i = 0, j = 0; i < len; i++, j++) {
        
                tmp[j] = (unsigned char) str[i];
                if (!isalnum(tmp[j]) && strchr("_-.", tmp[j]) == NULL) {
         // 所传的字符不是字母和数字时，也不是_-.
                    tmp_len += 3;
                    tmp = (unsigned char*)realloc(tmp, tmp_len);
                    tmp[j++] = '%';
                    tmp[j++] = enc_tab[(unsigned char)str[i] >> 4];  //
                    tmp[j] = enc_tab[(unsigned char)str[i] & 0x0F];
                }
            }
    
            tmp[j] = '\0';
            return (char*) tmp;
        }

## 使用 ##

const char *str = "中国人";
        char * rs = acl_url_encode(str);
        printf("%s\n", rs);
        free(rs);

# 解码 #

既然有编码，就一定有解码。解码是编码的逆过程，因此：

> 如果我们发现了一个’%'字符，那么接下来的两个字符就是十六进制字符代码。将十六进制代码转换为十进制很简单:
> 
>  *  第一个字符需要乘以16(<< 4)
>  *  而另一个字符我们只需从hextable变量中获取值

## 源码 ##

static unsigned char dec_tab[256] = {
        
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  1,  2,  3,  4,  5,  6,  7,  8,  9,  0,  0,  0,  0,  0,  0,
                0, 10, 11, 12, 13, 14, 15,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0, 10, 11, 12, 13, 14, 15,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
                0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
        };
    
        /**
         * URL 解码函数
         * @param str {const char*} 经URL编码后的字符串
         * @return {char*} 解码后的字符串，返回值不可能为空，需要用 free 释放
         */
        char *acl_url_decode(const char *str){
        
            int len = (int) strlen(str);
            char *tmp = (char *)malloc(len + 1);
    
            int i = 0, pos = 0;
            for (i = 0; i < len; i++) {
        
                if (str[i] != '%')
                    tmp[pos] = str[i];
                else if (i + 2 >= len) {
          /* check boundary */
                    tmp[pos++] = '%';  /* keep it */
                    if (++i >= len)
                        break;
                    tmp[pos] = str[i];
                    break;
                } else if (isalnum(str[i + 1]) && isalnum(str[i + 2])) {
        
                    tmp[pos] = (dec_tab[(unsigned char) str[i + 1]] << 4)
                               + dec_tab[(unsigned char) str[i + 2]];
                    i += 2;
                } else
                    tmp[pos] = str[i];
    
                pos++;
            }
    
            tmp[pos] = '\0';
            return tmp;
        }

## 测试 ##

const char *str = "中国人";
        char * en = acl_url_encode(str);
        char *de = acl_url_decode(en);
        printf("%s <===> %s", en, de);
        free(de);
        free(en);

[e55ad4b7cc8841f58108209c415ba1d2.png]: /images/20220829/927029f135a84befbba5e04d84b2731f.png