原创：用C++将 URL转换成正常字符，支持 utf-8 和 gb2312

*甲骨文*

本人刚刚写的，参考了网络的资料。
在做网站分析时，我们经常要分析baidu、google 等搜索引擎的搜索关键字，比如搜索“中国”

在 baidu 中是:http://www.baidu.com/s?wd=%D6%D0%B9%FA&cl=3
在 google 中是：http://www.google.com/search?hl=zh-CN&q=%E4%B8%AD%E5%9B%BD&lr=

“中国”这两个字在 baidu 中的编码是 %D6%D0%B9%FA  为 gb2312 编码后转成 16 进制
在 google 中的编码是 %E4%B8%AD%E5%9B%BD 为 utf-8 编码后转成 16 进制

下面的程序分可以把这两种编码解译成原文 "中国". 欢迎拍码

1. //从 URL 专用格式字符串还原成普通字符串
   
2. 
   
3. #include <iconv.h>
   
4. #include <iostream>
   
5. 
   
6. using namespace std;
   
7. 
   
8. char Char2Int(char ch){
   
9.         if(ch>='0' && ch<='9')return (char)(ch-'0');
   
10.         if(ch>='a' && ch<='f')return (char)(ch-'a'+10);
    
11.         if(ch>='A' && ch<='F')return (char)(ch-'A'+10);
    
12.         return -1;
    
13. }
    
14. 
    
15. char Str2Bin(char *str){
    
16.         char tempWord[2];
    
17.         char chn;
    
18. 
    
19.         tempWord[0] = Char2Int(str[0]);                                //make the B to 11 -- 00001011
    
20.         tempWord[1] = Char2Int(str[1]);                                //make the 0 to 0  -- 00000000
    
21. 
    
22.         chn = (tempWord[0] << 4) | tempWord[1];                //to change the BO to 10110000
    
23. 
    
24.         return chn;
    
25. }
    
26. 
    
27. string UrlDecode(string str){
    
28.         string output="";
    
29.         char tmp[2];
    
30.         int i=0,idx=0,ndx,len=str.length();
    
31.        
    
32.         while(i<len){
    
33.                 if(str[i]=='%'){
    
34.                         tmp[0]=str[i+1];
    
35.                         tmp[1]=str[i+2];
    
36.                         output+=Str2Bin(tmp);
    
37.                         i=i+3;
    
38.                 }
    
39.                 else if(str[i]=='+'){
    
40.                         output+=' ';
    
41.                         i++;
    
42.                 }
    
43.                 else{
    
44.                         output+=str[i];
    
45.                         i++;
    
46.                 }
    
47.         }
    
48.        
    
49.         return output;
    
50. }
    
51. 
    
52. // 代码转换操作类 用于将utf-8 格式转成 gb2312
    
53. class CodeConverter {
    
54.         private:
    
55.                         iconv_t cd;
    
56.         public:
    
57.                         CodeConverter(const char *from_charset,const char *to_charset) {// 构造
    
58.                                 cd = iconv_open(to_charset,from_charset);
    
59.                         }
    
60.                
    
61.                         ~CodeConverter() {// 析构
    
62.                                 iconv_close(cd);
    
63.                         }
    
64.                
    
65.                         int convert(char *inbuf,int inlen,char *outbuf,int outlen) {// 转换输出
    
66.                                 char **pin = &inbuf;
    
67.                                 char **pout = &outbuf;
    
68. 
    
69.                                 memset(outbuf,0,outlen);
    
70.                                 return iconv(cd,pin,(size_t *)&inlen,pout,(size_t *)&outlen);
    
71.                         }
    
72. };
    
73. 
    
74. //输入url_Utf-8 ,输出 gb2312
    
75. string Url2Str_Utf8(string instr){
    
76.         string input;
    
77.         input=UrlDecode(instr);
    
78. 
    
79.         const int        outlen=instr.length();
    
80.         char output[outlen];
    
81. 
    
82.         CodeConverter cc = CodeConverter("utf-8","gb2312");
    
83.         cc.convert((char *)input.c_str(),strlen(input.c_str()),output,outlen);
    
84. 
    
85.         return output;
    
86. }
    
87. 
    
88. //输入url_gb2312 ,输出 gb2312 实际上是直接调用 UrlDecode()
    
89. string Url2Str_gb2312(string str){
    
90.         return UrlDecode(str);
    
91. }
    
92. 
    
93. 
    
94. //示例程序
    
95. /*int main(){
    
96.         //char out2[OUTLEN];
    
97. 
    
98.         //+中国哈哈哈终于得了^_^
    
99.         cout<<"Url2String_gb2312:"<<Url2String_gb2312("%2B%D6%D0%B9%FA%B9%FE%B9%FE%B9%FE%D6%D5%D3%DA%B5%C3%C1%CB%5E_%5E")<<endl;
    
100.         cout<<"Url2String_Utf8:"<<Url2String_Utf8("%2B%E4%B8%AD%E5%9B%BD%E5%93%88%E5%93%88%E5%93%88%E7%BB%88%E4%BA%8E%E5%BE%97%E4%BA%86%5E_%5E")<<endl;
     
101.        
     
102.         // utf-8-->gb2312       
     
103. 
     
104.         //cout << "utf-8-->gb2312 in=" << out1 << ",out=" << out2 << endl;
     
105.         //cout<<Url2String_Utf8(out1);
     
106. 
     
107.         return 0;
     
108. }*/

复制代码

[ 本帖最后由 *甲骨文* 于 2006-4-26 11:19 编辑 ]

er

支持共享