我在处理 URL 中的某些字符时遇到了很多麻烦，假设我有以下 URL:

http: //localhost/somewere/myLibrary.dll/rest/something?parameter=An%C3%A1lisis

必须转换为:

http: //localhost/somewere/myLibrary.dll/rest/something?parameter=Análisis

为了处理变音字母的解码，我决定使用 InternetCanonicalizeUrl函数，因为我正在处理的应用程序只能在 Windows 中运行并且我不想安装额外的库，所以我使用的辅助函数如下:

String DecodeURL(const String &a_URL)
{
    String result;
    unsigned long size = a_reportType.Length() * 2;
    wchar_t *buffer = new wchar_t[size];

    if (InternetCanonicalizeUrlW(a_URL.c_str(), buffer, &size, ICU_DECODE | ICU_NO_ENCODE))
    {
        result = buffer;
    }

   delete [] buffer;
   return result;
}

这对几乎所有通过它的 URL 都适用，变音符号除外，我的示例 URL 解码如下:

http: //localhost/somewere/myLibrary.dll/rest/something?parameter=Análisis

我正在使用的 IDE 是 CodeGear™ C++Builder® 2009(这就是为什么我被迫使用 String 而不是 std 的原因: :string)，我还尝试了 AnsiString 和 char buffer 版本，结果相同。

关于如何处理此错误的任何提示/替代方案？

提前致谢。

最佳答案

InternetCanonicalizeUrl() 正在做正确的事情，您只需要考虑它实际在做什么。

URL 不支持 Unicode(IRI 支持)，因此 Unicode 数据必须被字符集编码为字节八位字节，然后根据需要使用 %HH 序列对这些八位字节进行 url 编码。在这种情况下，数据被编码为 UTF-8(如今在许多 URL 中并不少见，但也不能保证)，但是 InternetCanonicalizeUrl() 无法知道这一点，因为 URL 没有语法用于描述正在使用的字符集。它所能做的就是将 %HH 序列解码为相关的 byte 八位字节值，它无法为您对八位字节进行字符集解码。对于 Unicode 版本，InternetCanonicalizeUrlW() 将这些字节值按原样作为 wchar_t 元素返回。但无论哪种方式，您都必须自己对八位字节进行字符集解码才能恢复原始 Unicode 数据。

所以在这种情况下，您可以做的是将解码后的数据复制到 UTF8String，然后将其作为 String 分配/返回，以便将其解码为 UTF-16 .当然，这只适用于 UTF-8 编码的 URL。例如:

String DecodeURL(const String &a_URL)
{
    DWORD size = 0;
    if (!InternetCanonicalizeUrlW(a_URL.c_str(), NULL, &size, ICU_DECODE | ICU_NO_ENCODE))
    {
        if (GetLastError() == ERROR_INSUFFICIENT_BUFFER)
        {
            String buffer;
            buffer.SetLength(size-1);
            if (InternetCanonicalizeUrlW(a_URL.c_str(), buffer.c_str(), &size, ICU_DECODE | ICU_NO_ENCODE))
            {
                UTF8String utf8;
                utf8.SetLength(buffer.Length());
                for (int i = 1; i <= buffer.Length(); ++i)
                    utf8[i] = (char) buffer[i];
                return utf8;
            }
        }
    }

   return String();
}

或者:

// encoded URLs are always ASCII, so it is safe
// to pass an encoded URL UnicodeString as an
// AnsiString...
String DecodeURL(const AnsiString &a_URL)
{
    DWORD size = 0;
    if (!InternetCanonicalizeUrlA(a_URL.c_str(), NULL, &size, ICU_DECODE | ICU_NO_ENCODE))
    {
        if (GetLastError() == ERROR_INSUFFICIENT_BUFFER)
        {
            UTF8String buffer;
            buffer.SetLength(size-1);
            if (InternetCanonicalizeUrlA(a_URL.c_str(), buffer.c_str(), &size, ICU_DECODE | ICU_NO_ENCODE))
            {
                return utf8;
            }
        }
    }

仅供引用，C++Builder 预装了 Indy。 Indy 有一个 TIdURI 类，它可以解码 URL 并考虑字符集，例如:

#include <IdGlobal.hpp>
#include <IdURI.hpp>

String DecodeURL(const String &a_URL)
{ 
    return TIdURI::URLDecode(URL, enUTF8);
}

无论如何，您必须知道用于对 URL 数据进行编码的字符集。如果不这样做，您所能做的就是解码原始八位字节，然后使用启发式分析来猜测字符集可能是什么，但这对于非 ASCII 和非 UTF 字符集来说并不是 100% 可靠。

关于c++ - InternetCanonicalizeUrl 无法解码变音字母，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22067828/