java - ISO-8858-1 到 UTF-8 仅在 URL 中，仅无效字符

Question

问题:有时我们会收到(对我们而言)编码无效的链接/短语。

下面的示例和我的第一个解决方案

描述:我必须修复应用程序一部分中的无效编码字符串。有时它是一个单词或短语，但有时也是一个网址。当它是一个 URL 时，我只想更改编码错误的字符。如果我使用 ISO 解码并编码为 UTF-8，则特殊 url 字符也会被编码 (/: ? = &)。我编写了一个解决方案，它对我的​​情况工作得很好，但是你在下面看到的那些哈希值对我来说很难闻。

您是否遇到过类似的问题，或者您是否知道一个允许解码除某些字符之外的短语的库？像这样的事情:

decode(String value, char[] ignored)

我也考虑过将 URL 分成几部分并仅修复路径和查询，但解析它们等会更加困惑。

TLDR:解码 ISO-8858-1 编码的 URL 并将其编码为 UTF-8。不要触摸 URL 特定字符 (/? = : &)

输入/输出示例:

// wrong input
"http://some.url/xxx/a/%e4t%fcr%E4/b/%e4t%fcr%E4"
"t%E9l%E9phone"

// good output
"http://some.url/xxx/a/%C3%A4t%C3%BCr%C3%A4/b/%C3%A4t%C3%BCr%C3%A4"
"t%C3%A9l%C3%A9phone"

// very wrong output
"http%3A%2F%2Fsome.url%2Fxxx%2Fa%2F%C3%A4t%C3%BCr%C3%A4%2Fb%2F%C3%A4t%C3%BCr%C3%A4"

我的第一个解决方案:

class EncodingFixer {
    private static final String SLASH_HASH = UUID.randomUUID().toString();
    private static final String QUESTION_HASH = UUID.randomUUID().toString();
    private static final String EQUALS_HASH = UUID.randomUUID().toString();
    private static final String AND_HASH = UUID.randomUUID().toString();
    private static final String COLON_HASH = UUID.randomUUID().toString();

    EncodingFixer() {
    }

    String fix(String value) {
        if (isBlank(value)) {
            return value;
        }
        return tryFix(value);
    }

    private String tryFix(String str) {
        try {
            String replaced = replaceWithHashes(str);
            String fixed = java.net.URLEncoder.encode(java.net.URLDecoder.decode(replaced, ISO_8859_1), UTF_8); 
            return replaceBack(fixed);
        } catch (Exception e) {
            return str;
        }
    }

    private String replaceWithHashes(String str) {
        return str
            .replaceAll("/", SLASH_HASH)
            .replaceAll("\\?", QUESTION_HASH)
            .replaceAll("=", EQUALS_HASH)
            .replaceAll("&", AND_HASH)
            .replaceAll(":", COLON_HASH);
    }

    private String replaceBack(String fixed) {
        return fixed
            .replaceAll(SLASH_HASH, "/")
            .replaceAll(QUESTION_HASH, "?")
            .replaceAll(EQUALS_HASH, "=")
            .replaceAll(AND_HASH, "&")
            .replaceAll(COLON_HASH, ":");
    }
}

<小时/>

或者应该更像是:???

1. 检查输入是否为 URL

2. 创建网址

3. 获取路径

4. 分割为/

5. 修复每个部分
6. 将其放回原处
7. 与查询相同，但稍微复杂一点
   ??
   我也想过，但它看起来比上面的那些替换更困惑:/

Answer 1

如果您能够清楚地识别出某个字符串是一个 URL，那么请关注用户的 @jschnasse answer在类似的问题中，这可能是您需要的解决方案:

URL url= new URL("http://some.url/xxx/a/%e4t%fcr%E4/b/%e4t%fcr%E4");
URI uri = new URI(url.getProtocol(), url.getUserInfo(), IDN.toASCII(url.getHost()), url.getPort(), url.getPath(), url.getQuery(), url.getRef());
String correctEncodedURL=uri.toASCIIString(); 
System.out.println(correctEncodedURL);

输出:http://some.url/xxx/a/%25e4t%25fcr%25E4/b/%25e4t%25fcr%25E4