Punycode爲Unicode查詢參數

Question

我想用Punycode編碼一些Unicode URL。這些URL都包含非ASCII字符的查詢參數，例如：

https://en.wiktionary.org/w/index.php?title=Clœlia&printable=yes 

的問題是，當我嘗試做它在Java中，產生的URL是錯誤的：

String link = "https://en.wiktionary.org/w/index.php?title=Clœlia&printable=yes"; 
link = IDN.toASCII(link); 

// -> link = http://en.wiktionary.org/w/index.xn--php?title=cllia&printable=yes-hgf 

如果我這樣做，這樣，得到的字符串是不同的（我不知道爲什麼），但也是錯誤的：

String link = "http://en.wiktionary.org/w/index.php?title=" + IDN.toASCII("Clœlia") + "&printable=yes"; 

// -> link = http://en.wiktionary.org/w/index.php?title=xn--cllia-ibb&printable=yes 

如果我複製從Chrome中的地址，並將其粘貼在這裏，我得到這個URL，這是我想要的：

https://en.wiktionary.org/w/index.php?title=Cl%C5%93lia&printable=yes 

我在這裏做錯了什麼？

Answer 1

你做錯了什麼是使用punycode。 Punycode用於域名，包括域名部分的一個URL，只有。

URL的其他部分（包括查詢參數部分）使用Percent Encoding也稱爲URL編碼或URI編碼，這就是Chrome正在做的事情;這將編碼UTF-8中的非ASCII Unicode字符，然後使用百分號（％）和兩個十六進制數字對不在ASCII的有限子集中的所有八位字節進行編碼; UTF-8用於非ASCII的八位字節80-FF始終是％編碼的。 確切地說，查詢參數部分通常和其他部分有時使用爲HTML表單提交定義的輕微變體，如application/x-www-form-urlencoded;這將空間編碼爲加號「+」而不是％20，這是明確的，因爲'+'已經在不安全的集合中，因此被編碼爲％2B。

在Java中使用java.net.URLEncoder.encode和java.net.URLDecoder.decode爲此;爲獲得可靠的結果，請使用編碼名稱爲「UTF-8」的較新的2-arg表單。