百度搜索url编码解密(url encode decode)

 

oyhk 学习笔记

 

 

本文章来自:百度搜索url编码解密(url encode decode)

 

 

前天在公司做了关于搜索引擎的referer的取值遇到了问题,其实我们想做什么样的需求呢?

需求是这样的,首先我们在搜索引擎,输入关键字去搜索,例如我们输入向日葵保险网(公司网站....),点击进去一个搜索页面后,获取referer然后把关键字获取出来,做关键字显示

首先我拿google搜索引擎来做对比

看图

 

好了,我点击了搜索,我把url复制出来

https://www.google.com.hk/#hl=zhCN&newwindow=1&safe=strict&tbo=d&site=&source=hp

&q=%E5%90%91%E6%97%A5%E8%91%B5%E4%BF%9D%E9%99%A9%E7%BD%91

&oq=%E5%90%91%E6%97%A5%E8%91%B5

&gs_l=hp.12.5.0l10.199955.203689.0.639888.14.11.0.1.1.1.637.1823.3-1j2j1.4.0...0.0...1c.1j4.pwpaW-tzR4A&bav=on.2,or.r_gc.r_pw.

&bvm=bv.1355534169,d.aGc&fp=f6cf8da68332396&bpcl=40096503&biw=1551&bih=853

看到加了蓝色的那断吗?q=....,好,现在我去用java代码去decode

看下面代码

 

 

@Test
	public void testEncode() throws UnsupportedEncodingException {
		// 从google拿出来的关键字
		String googleUrl = "%E5%90%91%E6%97%A5%E8%91%B5%E4%BF%9D%E9%99%A9%E7%BD%91";
		System.out.println(URLDecoder.decode(googleUrl, "utf8"));
	}

 

 这段代码输出结果:

 

向日葵保险网

 

 那么证明,google搜索时,是用utf8去做编码

 

 

好了,这次我拿百度的搜索引擎去做了,步骤是这样的,看图

 

我点击,百度一下,我们看下面url

http://www.baidu.com/s?wd=%CF%F2%C8%D5%BF%FB%B1%A3%CF%D5%CD%F8

&rsv_bp=0&rsv_spt=3&rsv_sug3=1&rsv_sug1=1&rsv_sug4=104&oq=%CF%F2%C8%D5&rsp=1

&f=3&rsv_sug5=0&inputT=6358

看到了蓝色的wd=....,嗯 我再拿去decode,看代码

 

@Test
	public void testEncode() throws UnsupportedEncodingException {
		// 从google拿出来的关键字
		String googleUrl = "%E5%90%91%E6%97%A5%E8%91%B5%E4%BF%9D%E9%99%A9%E7%BD%91";
		System.out.println(URLDecoder.decode(googleUrl, "utf8"));
		// 从百度拿出来的关键字,看到上面吗?明显不一样了,还是看结果吧
		String baiURL = "%CF%F2%C8%D5%BF%FB%B1%A3%CF%D5%CD%F8";
		// 首先decode utf8明显出现乱码了
		System.out.println(URLDecoder.decode(baiURL, "utf8"));
		// 然后decode gbk,看结果
		System.out.println(URLDecoder.decode(baiURL, "gbk"));
	}

 

 下面结果

 

向日葵保险网
���տ����� 我是百度第一次搜索,关键字的decode utf8(乱码啦)
向日葵保险网 我是百度第一次搜索,关键字的decode gbk(正常)

 

 那么就已经非常明显了,百度第一次搜索关键字是gbk encode编码..第二次,看图

 

再把url拿出来...

http://www.baidu.com/s?ie=utf-8&bs=%E5%90%91%E6%97%A5%E8%91%B5%E4%BF%9D%E9%99%A9%E7%BD%91

&f=8&rsv_bp=1&rsv_spt=3

&wd=%E5%90%91%E6%97%A5%E8%91%B5%E4%BF%9D%E9%99%A9%E7%BD%91&inputT=0

明显吧,跟上面的url对比已经不一样了,好吧,再去decode看看吧,看代码

 

@Test
	public void testEncode() throws UnsupportedEncodingException {
		// 从google拿出来的关键字
		String googleUrl = "%E5%90%91%E6%97%A5%E8%91%B5%E4%BF%9D%E9%99%A9%E7%BD%91";
		System.out.println(URLDecoder.decode(googleUrl, "utf8"));
		// 从百度拿出来的关键字,看到上面吗?明显不一样了,还是看结果吧
		String baiduURL1 = "%CF%F2%C8%D5%BF%FB%B1%A3%CF%D5%CD%F8";
		// 首先decode utf8明显出现乱码了
		System.out.println(URLDecoder.decode(baiduURL1, "utf8") + " 我是百度第一次搜索,关键字的decode utf8(乱码啦)");
		// 然后decode gbk,看结果
		System.out.println(URLDecoder.decode(baiduURL1, "gbk") + " 我是百度第一次搜索,关键字的decode gbk(正常)");
		// 下面是点击第二次的百度搜索url
		String baiduURL2 = "%E5%90%91%E6%97%A5%E8%91%B5%E4%BF%9D%E9%99%A9%E7%BD%91";
		System.out.println(URLDecoder.decode(baiduURL2, "utf8") + " 我是百度第二次搜索,关键字的decode utf8(正常)");
		System.out.println(URLDecoder.decode(baiduURL2, "gbk") + " 我是百度第二次搜索,关键字的decode gbk(乱码)");
	}

 结果

 

向日葵保险网
���տ����� 我是百度第一次搜索,关键字的decode utf8(乱码啦)
向日葵保险网 我是百度第一次搜索,关键字的decode gbk(正常)
向日葵保险网 我是百度第二次搜索,关键字的decode utf8(正常)
鍚戞棩钁典繚闄╃綉 我是百度第二次搜索,关键字的decode gbk(乱码)

 看到结果了吧....看到百度搜索时的规则第一次是gbk,第二次以后是utf8,那当我们做需求是要获取百度referer时,我们就会遇到问题了,什么问题?

当然是,我们很难判断百度搜索关键字时是什么编码...导致referer乱码..

如果你用js去获取referer,值是有但是你想显示出来,肯定就会出错了,为什么呢?用js去显示出来,肯定就是用js decodeURI方法去做,那么百度第一次已经encode 编码为gbk,那么js decodeURI 就会解释不到,由于js 默认decodeURI是utf8...

现在我还在找解决方法,那位高手有方法可以解决js decodeURI gbk?