URLENcode 判断字符集格式 UTF8,GBK

最新推荐文章于 2026-06-09 23:33:06 发布

原创最新推荐文章于 2026-06-09 23:33:06 发布 · 3.6k 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#URLEncoder #UTF8 #编码 #汉字

J2EE 专栏收录该内容

27 篇文章

订阅专栏

本文介绍了URL编码的原理及常见编码方式，并通过实例演示了如何使用Java进行URL的编码与解码操作，同时对比了UTF-8和GBK两种编码在URL中的应用。

18:%E6%B5%8B%E8%AF%95
12:%B2%E2%CA%D4
测试
测试
����
测试

URL编码的字符集是ascII码。我们常见的汉字跟特殊字符就需要特殊处理。

场景：

搜索引擎：

https://www.baidu.com/s?word=%E6%B5%8B%E8%AF%95

这个就是“”测试“”的编码

public class EncodeTest {

	public static void main(String[] args) throws UnsupportedEncodingException {
		// TODO Auto-generated method stub

		  String encodeStr = URLEncoder.encode("测试", "UTF-8");
		  System.out.println(encodeStr.length()+":"+encodeStr);
		  String encodeStr2 = URLEncoder.encode("测试", "GBK");
		  System.out.println(encodeStr2.length()+":"+encodeStr2);
		  String decodeStr = URLDecoder.decode(encodeStr, "UTF-8");
		  System.out.println(decodeStr);
		  String decodeStr2 = URLDecoder.decode(encodeStr2, "GBK");
		  System.out.println(decodeStr2);
		  String decodeStr3 = URLDecoder.decode(encodeStr2, "UTF-8");
		  System.out.println(decodeStr3);
		  String type = getEncoding(encodeStr2);
		  String decodeStr4 = URLDecoder.decode(encodeStr2, type);
		  System.out.println(decodeStr4);
		  
	}

	private static String getEncoding(String str) {
		// TODO Auto-generated method stub
		Matcher publicMatcher = publicPattern.matcher(str);
        if(publicMatcher.matches()) {
            return "GBK";
        }
        
        Matcher matcher = utf8Pattern.matcher(str);
        if (matcher.matches()) {
            return "UTF-8";
        } else {
            return "GBK";
        }
	}

	protected static final Pattern utf8Pattern = Pattern.compile("^([\\x01-\\x7f]|[\\xc0-\\xdf][\\x80-\\xbf]|[\\xe0-\\xef][\\x80-\\xbf]{2}|[\\xf0-\\xf7][\\x80-\\xbf]{3}|[\\xf8-\\xfb][\\x80-\\xbf]{4}|[\\xfc-\\xfd][\\x80-\\xbf]{5})+$");
    protected static final Pattern publicPattern = Pattern.compile("^([\\x01-\\x7f]|[\\xc0-\\xdf][\\x80-\\xbf])+$");

	
}

比如我们有一份上网日志，包含了一份包含关键字的url日志，

有的时候，我们不知道编码方式是什么，可以采用上面例子的方法。常见的就是utf-8,gbk

输出日志：

18:%E6%B5%8B%E8%AF%95
12:%B2%E2%CA%D4
测试
测试
����
测试

如果字符集一直，可以正常的decode输出。

还可以看出：utf的编码时占用了3个字节（常用的，个别汉字也有占2个字节的），gbk是2个字节。

可以看看字符集那块。