URL的编码解码(一)，仅针对ASCII码字符-个人在线分享

用十六进制对特定字符编码，利用百分号标识搜索字符串解码十六进制字符。

(笔记模板由python脚本于2024年06月09日 18:05:25创建，本篇笔记适合喜好探寻URL的coder翻阅)

【学习的细节是欢悦的历程】

Python 官网： python 前沿。可惜是英文原版。所以，我要练习英文阅读。🧐🧐”>http://www.python.org/
Free：大咖免费“圣经”教程《 python 完全自学教程》，不仅仅是基础那么简单……
地址：http://lqpybook.readthedocs.io/

自学并不是什么神秘的东西，一个人一辈子自学的时间总是比在学校学习的时间长，没有老师的时候总是比有老师的时候多。
—— 华罗庚

My CSDN主页、My HOT博、My Python 学习个人备忘录
好文力荐、老齐教室

URL的编码解码(一)，仅针对ASCII码字符插图

用十六进制对特定字符编码

URL的编码解码(一)

(利用百分号标识搜索字符串解码十六进制字符)

本文质量分：

【

$96$ 】

本文地址：
http://blog.csdn.net/m0_57158496/

CSDN质量分查询入口：http://www.csdn.net/qc

目录

◆ URL的编码解码(一)
- 1、需要编码的URL字符集
- 2、ASCII字符集
- 3、主机域名限制
- 4、url解码
- - 4.1 解码函数
  - 4.2 代码解析
- 5、URL编码
- - 5.1 编码函数
  - 5.2 代码解析
- 6、完整源码(Python)

◆ URL的编码解码(一)

1、需要编码的URL字符集

需要编码的URL字符集，通常包括那些在URL中有特殊意义的字符，以及非ASCII字符。这些字符需要被编码，以便URL可以正确地被解析和传输。

以下是需要编码的字符集的详细列表：

非ASCII字符：任何非ASCII字符都需要被编码，因为URL标准是基于ASCII字符集的。(由于非ascii字符的编码解码，相对复杂一些，请见我的专门讨论笔记：《非ASCII码的编码》，本篇笔记仅讨论ascii字符的编码解码。)
保留字符：即使某些字符在URL的特定部分是允许的，但如果它们用于其他目的，也需要被编码。这些字符包括：
- ; (%3B)
- / (%2F)
- ? (%3F)
- : (%3A)
- @ (%40)
- & (%26)
- = (%3D)
- + (%2B)
- $ (%24)
- , (%2C)
不安全字符：这些字符在URL中有特殊意义，或者在某些情况下可能导致URL解析错误。它们包括：
- (空格) 被编码为 %20 或 +
- " (%22)
- < (%3C)
- > (%3E)
- # (%23)
- % (%25)
- { (%7B)
- } (%7D)
- | (%7C)
- \ (%5C)
- ^ (%5E)
- ~ (%7E)
- [ (%5B)
- ] (%5D)
- " (%22)
- ' (%27)
- ( (%28)
- ) (%29)
控制字符：ASCII码中的控制字符_(0-31和127)通常也被编码，因为它们可能在传输过程中被某些系统错误处理。

在URL编码过程中，这些字符通常被替换为%后跟两位十六进制数，代表该字符的ASCII码。例如，空格字符_{(ASCII码为32)}被编码为%20。在某些情况下，+也可以用来代替空格，但这通常只适用于表单提交中的URL编码，而不是在HTTP GET请求的URL中。

回页目录

2、ASCII字符集

ASCII_{(美国信息交换标准代码)}字符集总共包含128个字符。这些字符包括：

95个可打印字符：大小写字母A-Z、a-z、数字0-9、标点符号和其它符号。
33个非打印控制字符：用于控制打印机等硬件设备或提供数据流的控制。

这些字符被用于早期的计算机系统中，现在虽然已被更广泛的字符集如Unicode所取代，但ASCII仍然是计算机历史上一个重要的里程碑。

ASCII码的95个可打印字符

ASCII字符集共计128，除去0到31和127为控制码，这33个字符必须编码。另有保留字符10个，不安全字符18个，另有a-zA-Z大小写字母52个和10数字0-9可以不用编码外，不用编码的其它字符仅有

$5$ 个(128-33-28-62 = 5)而已。这5个字符，编不编码对浏览器解析url都没有影响。

鉴于此，为简单起见，不去纠结它们到底是哪几个字符，都给一并编码。这样子，就是字母数字不编码，设计代码实现逻辑，就不难了。🤪

回页目录

3、主机域名限制

URL中的主机域名字符串有一些特定的限制，这些限制是由互联网标准和协议决定的。

以下是一些主要的限制：

字符集限制：域名可以包含字母（A-Z，不区分大小写）、数字（0-9）和连字符（-）。域名不区分大小写，但在域名系统中注册时，每个标签（由点分隔的部分）会被转换为小写。
长度限制：域名的总长度不能超过253个字符，包括点分隔符。每个标签（域名的部分）的长度不能超过63个字符。
标签限制：域名不能以连字符开头或结尾。
特殊字符：除了字母、数字和连字符外，域名中不允许使用其他特殊字符，如空格、百分号、下划线等。
顶级域名：域名必须有一个顶级域名（TLD），如.com、.org、.net等，并且TLD必须在ICANN（互联网名称与数字地址分配机构）或相应国家代码顶级域（ccTLD）的官方列表中。
国际化域名：虽然传统的域名只允许ASCII字符，但国际化域名（IDN）允许使用非ASCII字符，如中文、阿拉伯文等。这些字符会被转换为ASCII兼容的编码形式（Punycode）。

这些限制确保了域名在全球范围内的唯一性和可互操作性。遵守这些规则对于确保网站的正常访问和DNS（域名系统）的稳定运行至关重要。

大多数url仅包括主机域名和路径，路径一般都是用英文字符，因此仅对csaii字符编码解码，已可以应付大部分url。

回页目录

4、url解码

url解码，就是把编码url中紧跟%后的两个十六进制字符，还原成ascii码。由于本文探讨的仅是ascii码的单字节字符，代码实现逻辑超强简单。只需用while循环遍历url字符串，将有编码过的十六进制字符还原就好了。

4.1 解码函数

Python代码


url = "http://blink.csdn.net/m/details/1714315?csdn_share_tail=%7B%22type%22%3A%22blink%22,%22rType%22%3A%22blink%22,%22rId%22%3A%221714315%22,%22source%22%3A%22m0_57158496%22%7D"

def charDecode(chars: str, char: str, k: int) -> tuple:
    return (chr(int(chars[k+1:k+3],16)), k+3) if char == '%' else (char, k+1) # 如果有编码则解码返回，并更新检索url下标变量k


def urlDecode(url: str) -> str:
    urlList = []; k = 0; n = len(url)

    while k < n:
        char, k = charDecode(url, url[k], k) # 函数返回解码字符并更新url遍历检索下标。
        urlList += [char] # 追加收集已解码字符
    
    return ''.join(urlList) # 拼接解码后的url字符串返回


if __name__ == '__main__':
    strDecode = urlDecode(url)
    print(f"
编码Url：
{url}

解码后；
{strDecode}")

代码运行效果截屏图片

如图所见，程序函数把有编码的字符都还原成了ascii码。

回页目录

4.2 代码解析

这段代码的目的是实现URL解码功能：

让我们逐步分析这段代码：

charDecode 函数
这个函数接受三个参数：chars（要解码的字符串），char（当前字符），和k（当前字符在字符串中的索引）。如果当前字符是%，它假设接下来的两个字符是十六进制数，代表一个字符的ASCII码。函数将这些十六进制数转换为对应的字符，并返回这个字符以及更新后的索引k（增加3，因为跳过了%和两个十六进制数字符）。如果当前字符不是%，它就直接返回这个字符和下一个索引k+1。
urlDecode函数
这个函数接受一个参数url（要解码的URL字符串）。它初始化一个空列表urlList来存储解码后的字符，以及一个变量k来跟踪当前字符的索引。函数遍历整个URL字符串，对每个字符调用charDecode函数进行解码，并将解码后的字符添加到urlList中。最后，它使用join方法将urlList中的所有字符拼接成一个字符串，并返回这个字符串。
if __name__ == '__main__':
这部分是Python代码的常见结构，用于检测该脚本是否作为主程序运行。如果是，它将执行下面的代码。
strDecode = urlDecode(url)
这行代码调用urlDecode函数，将提供的URL字符串解码，并将结果存储在变量strDecode中。
print(f" 编码Url： {url}
解码后； {strDecode}")
这行代码打印出原始的编码URL和解码后的URL。

总结：

这段代码提供了一个简单的URL解码实现，可以处理包含十六进制编码字符的URL。它首先定义了一个辅助函数来解码单个字符，然后使用这个函数来解码整个URL字符串。

回页目录

5、URL编码

URL编码，就是把url中不适宜的字符用%后接两个十六进制字符的形式。由于本文探讨的仅是ascii码的单字节字符，代码实现逻辑相对简单。只需用while循环遍历url字符串，将有编码需求的字符转换就好。

5.1 编码函数

Python代码


## 编码 ##
def charEncode(chars: str, char: str, k: int) -> tuple:
    chars = set('abcdefghijklmnopqrstuvwxyzABCDRFGHIJKLMNOPQRSTUVWXYZ0123456789') # 不用url编码字符集
    return (char, k+1) if char in chars else (f"%{hex(ord(char))[2:].upper()}", k+1) 


def urlEncode(url: str) -> str:
    urlList = []; k = 0; n = len(url)

    while k < n:
        char, k = charEncode(url, url[k], k)
        urlList += [char]
    
    return ''.join(urlList)

代码运行效果截屏图片

把:、/、.、?也一并编码了。😅😅这是一个
$意外$ 。😋😋

修正代码

## 编码 ##
def charEncode(chars: str, char: str, k: int) -> tuple:
    chars = set('abcdefghijklmnopqrstuvwxyzABCDRFGHIJKLMNOPQRSTUVWXYZ0123456789') # 不用url编码字符集
    puncs = set('/.?,_=') # 编码放行标点字符
    #return (char, k+1) if char in chars.union(puncs) else (f"%{hex(ord(char))[2:].upper()}", k+1) 
    return (char, k+1) if char in chars | puncs else (f"%{hex(ord(char))[2:].upper()}", k+1) # set对象拼接，可用set.union()方法，也可以用 | 连接运算符


def urlEncode(url: str) -> str:
    urlList = [f"{url.split(':')[0]}:"] # 截取网络协议标识字符串
    k = len(urlList[0]) # 检索下标初值
    n = len(url) # 获取url长度

    while k < n:
        char, k = charEncode(url, url[k], k)
        urlList += [char]
    
    return ''.join(urlList)


if __name__ == '__main__':
    strDecode = urlDecode(url)
    reEncode = urlEncode(strDecode)
    print(f"
编码Url：
{url}

解码后；
{strDecode}

重新编码：
{reEncode}

原始编码 = 重新编码：{url == reEncode}
")

代码运行效果截屏图片

经与原始编码url比对验证，编码函数重新编码的url与其完全一致。代码修正成功！

回页目录

5.2 代码解析

正在编辑中……

回页目录

6、完整源码(Python)

(源码较长，点此跳过源码)

#!/sur/bin/nve python
# coding: utf-8
asciis = [chr(i) for i in range(32, 127)]
print(f"
33个控制字符不可见，可打印的ASCII字符集：
共计{len(asciis)}个(含空格)
{', '.join(asciis)}
")
url = "http://blink.csdn.net/m/details/1714315?csdn_share_tail=%7B%22type%22%3A%22blink%22,%22rType%22%3A%22blink%22,%22rId%22%3A%221714315%22,%22source%22%3A%22m0_57158496%22%7D"
## 解码 ##
def charDecode(chars: str, char: str, k: int) -> tuple:
return (chr(int(chars[k+1:k+3],16)), k+3) if char == '%' else (char, k+1)
def urlDecode(url: str) -> str:
urlList = []; k = 0; n = len(url)
while k < n:
char, k = charDecode(url, url[k], k)
urlList += [char]
return ''.join(urlList)
## 编码 ##
def charEncode(chars: str, char: str, k: int) -> tuple:
chars = set('abcdefghijklmnopqrstuvwxyzABCDRFGHIJKLMNOPQRSTUVWXYZ0123456789') # 不用url编码字符集
puncs = set('/.?,_=') # 编码放行标点字符
#return (char, k+1) if char in chars.union(puncs) else (f"%{hex(ord(char))[2:].upper()}", k+1) 
return (char, k+1) if char in chars | puncs else (f"%{hex(ord(char))[2:].upper()}", k+1) # set对象拼接，可用set.union()方法，也可以用 | 连接运算符
def urlEncode(url: str) -> str:
urlList = [f"{url.split(':')[0]}:"] # 截取网络协议标识字符串
k = len(urlList[0]) # 检索下标初值
n = len(url) # 获取url长度
while k < n:
char, k = charEncode(url, url[k], k)
urlList += [char]
return ''.join(urlList)
if __name__ == '__main__':
strDecode = urlDecode(url)
reEncode = urlEncode(strDecode)
print(f"
编码Url：
{url}
解码后；
{strDecode}
重新编码：
{reEncode}
原始编码 = 重新编码：{url == reEncode}
")

回页首

上一篇： Python 中的“点阵字体”_{(“点阵字体”是个啥？，在python中怎么使？在现在全面高清的$5G$时代，它还有用“武”之地)}
下一篇：

我的HOT博：

本次共计收集 311 篇博文笔记信息，总阅读量43.82w。数据于2024年03月22日 00:50:22完成采集，用时6分2.71秒。阅读量不小于6.00k的有

$7$ 篇。

001
标题：让QQ群昵称色变的神奇代码
_{(浏览阅读 5.9w )}
地址：http://blog.csdn.net/m0_57158496/article/details/122566500
点赞：25 收藏：86 评论：17
摘要：让QQ昵称色变的神奇代码。
首发：2022-01-18 19:15:08
最后编辑：2022-01-20 07:56:47
002
标题：Python列表(list)反序(降序)的7种实现方式
_{(浏览阅读 1.1w )}
地址：http://blog.csdn.net/m0_57158496/article/details/128271700
点赞：8 收藏：35 评论：8
摘要：Python列表(list)反序(降序)的实现方式：原址反序，list.reverse()、list.sort()；遍历，全数组遍历、1/2数组遍历；新生成列表，resersed()、sorted()、负步长切片[::-1]。
首发：2022-12-11 23:54:15
最后编辑：2023-03-20 18:13:55
003
标题：pandas 数据类型之 DataFrame
_{(浏览阅读 9.7k )}
地址：http://blog.csdn.net/m0_57158496/article/details/124525814
点赞：7 收藏：36
摘要：pandas 数据类型之 DataFrame_panda dataframe。
首发：2022-05-01 13:20:17
最后编辑：2022-05-08 08:46:13
004
标题：个人信息提取(字符串)
_{(浏览阅读 8.2k )}
地址：http://blog.csdn.net/m0_57158496/article/details/124244618
点赞：2 收藏：15
摘要：个人信息提取(字符串)_个人信息提取python。
首发：2022-04-18 11:07:12
最后编辑：2022-04-20 13:17:54
005
标题：Python字符串居中显示
_{(浏览阅读 7.6k )}
地址：http://blog.csdn.net/m0_57158496/article/details/122163023
评论：1
006
标题：罗马数字转换器|罗马数字生成器
_{(浏览阅读 7.5k )}
地址：http://blog.csdn.net/m0_57158496/article/details/122592047
摘要：罗马数字转换器|生成器。
首发：2022-01-19 23:26:42
最后编辑：2022-01-21 18:37:46
007
标题：回车符、换行符和回车换行符
_{(浏览阅读 6.0k )}
地址：http://blog.csdn.net/m0_57158496/article/details/123109488
点赞：2 收藏：3
摘要：回车符、换行符和回车换行符_命令行回车符。
首发：2022-02-24 13:10:02
最后编辑：2022-02-25 20:07:40

推荐条件
阅读量突破6.00k

(更多热博，请点击蓝色文字跳转翻阅)

截屏图片

(此文涉及ChatPT，曾被csdn多次下架，前几日又因新发笔记被误杀而落马。躺“未过审”还不如回收站，回收站还不如永久不见。😪值此年底清扫，果断移除。留此截图，以识“曾经”。2023-12-31)

回页首

URL的编码解码(一)，仅针对ASCII码字符插图(6)

精品文章：

好文力荐：齐伟书稿《python 完全自学教程》 Free连载(已完稿并集结成书，还有PDF版本百度网盘永久分享，点击跳转免费🆓下载。)
OPP三大特性：封装中的property
通过内置对象理解python’
正则表达式
python中“*”的作用
Python 完全自学手册
海象运算符
Python中的 `!=`与`is not`不同
学习编程的正确方法

来源：老齐教室

◆ Python 入门指南【Python 3.6.3】

好文力荐：

全栈领域优质创作者——[寒佬]_{(还是国内某高校学生)}博文“非技术文—关于英语和如何正确的提问”，“英语”和“会提问”是编程学习的两大利器。
【8大编程语言的适用领域】先别着急选语言学编程，先看它们能干嘛
靠谱程序员的好习惯
大佬帅地的优质好文“函数功能、结束条件、函数等价式”三大要素让您认清递归

CSDN实用技巧博文：

8个好用到爆的Python实用技巧
python忽略警告
Python代码编写规范
Python的docstring规范（说明文档的规范写法）

2024年七月
一	二	三	四	五	六	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30

◆ URL的编码解码(一)

1、需要编码的URL字符集

2、ASCII字符集

3、主机域名限制

4、url解码

4.1 解码函数

4.2 代码解析

5、URL编码

5.1 编码函数

5.2 代码解析

6、完整源码(Python)

admin 钻石

相关推荐