备注:
不仅仅是URL存在中文需要进行编码,而且表单中存在中文的,也需要进行编码,还有编码前的中文必须是UTF-8编码,如果是GBK中文编码,还需要转为UTF-8编码
场景
对接HTTP服务器,对方要求将UTF-8编码的字符串浙FN358Y转换ISO8859-1编码
有时候,为了让中文字符适应某些特殊要求(如httpheader要求其内容必须为iso8859-1编码),可能会通过将中文字符按照字节方式来编码的情况,如:
String s_iso88591 = newString("中".getBytes("UTF-8"),"ISO8859-1"),这样得到的s_iso8859-1字符串实际是三个在ISO8859-1中的字符,在将这些字符传递到目的地后,目的地程序再通过相反的方式Strings_utf8 = newString(s_iso88591.getBytes("ISO8859-1"),"UTF-8")来得到正确的中文汉字"中",这样就既保证了遵守协议规定、也支持中文。
1)iconv指令
-f指的是原始文件编码,-t是输出编码 ,-c 指的是从输出中忽略无效的字符, --verbose指的是打印进度信息 -o是输出文件
1.指令转码
[root@taishan-atlas home]# iconv --verbose -f utf-8 -t ISO_8859-1 input.txt -o output.txt
input.txt:
iconv: illegal input sequence at position 0
2.假如忽略无效字符,直接把前面的浙中文忽略了
[root@taishan-atlas home]# iconv -c --verbose -f utf-8 -t ISO_8859-1 input.txt -o output.txt
input.txt:
[root@taishan-atlas home]# cat output.txt
FN358Y[root@taishan-atlas home]#
3不用转换.GB2312就用ISO8859-1
4 Java编码异常
new String(byte[],decode)方法
new String(byte[],decode)方法
而与getBytes相对的,可以通过new String(byte[], decode)的方式来还原这个"中"字,
这个new String(byte[],decode)实际是使用指定的编码decode来将byte[]解析成字符串.
String s_gbk = new String(b_gbk,"GBK");
String s_utf8 = new String(b_utf8,"UTF-8");
String s_iso88591 = new String(b_iso88591,"ISO8859-1");
通过输出s_gbk、s_utf8和s_iso88591,会发现s_gbk和s_utf8都是"中",而只有s_iso88591是一个不被识别的字符(可以理解为乱码),为什么使用ISO8859-1编码再组合之后,无法还原"中"字?原因很简单,因为ISO8859-1编码的编码表根本就不包含汉字字符,当然也就无法通过"中".getBytes("ISO8859-1");来得到正确的"中"字在ISO8859-1中的编码值了,所以,再通过newString()来还原就更是无从谈起。
因此,通过String.getBytes(Stringdecode)方法来得到byte[]时,一定要确定decode的编码表中确实存在String表示的码值,这样得到的byte[]数组才能正确被还原。
解决方案
实际上iso8859-1编码就是针对中文进行URL编码,通过调用
char* pszEnCodeFilter = curl_easy_escape(NULL, strFilterContent.c_str(), strFilterContent.length());
curl_free(pszEnCodeFilter);
解决问题
注意:在百度搜索中文的时候,实际上也行了URL编码
延申 :
实际URL包含特殊符号,也需要进行URL编码,例如#号