Кодирование / декодирование URL-адресов в C ++ [закрыто]


85

Кто-нибудь знает какой-нибудь хороший код на C ++, который делает это?


3
Как насчет принятия ответа?
gsamaras

Ответы:


81

Я на днях столкнулся с половиной этой проблемы с кодировкой. Недовольный доступными параметрами, взглянув на этот пример кода C , я решил использовать свою собственную функцию кодирования URL-адресов C ++:

#include <cctype>
#include <iomanip>
#include <sstream>
#include <string>

using namespace std;

string url_encode(const string &value) {
    ostringstream escaped;
    escaped.fill('0');
    escaped << hex;

    for (string::const_iterator i = value.begin(), n = value.end(); i != n; ++i) {
        string::value_type c = (*i);

        // Keep alphanumeric and other accepted characters intact
        if (isalnum(c) || c == '-' || c == '_' || c == '.' || c == '~') {
            escaped << c;
            continue;
        }

        // Any other characters are percent-encoded
        escaped << uppercase;
        escaped << '%' << setw(2) << int((unsigned char) c);
        escaped << nouppercase;
    }

    return escaped.str();
}

Реализация функции декодирования предоставляется читателю в качестве упражнения. :П


1
Я считаю, что было бы более общим (в целом правильным) заменить "" на "% 20". Я соответствующим образом обновил код; не стесняйтесь откатывать назад, если не согласны.
Джош Келли

1
Нет, согласен. Также рискнул удалить этот бессмысленный setw(0)вызов (в то время я думал, что минимальная ширина останется установленной, пока я не верну ее обратно, но на самом деле она сбрасывается после следующего ввода).
xperroni

1
Мне пришлось добавить std :: uppercase к строке «escaped << '%' << std :: uppercase << std :: setw (2) << int ((unsigned char) c);» В случае, если другие люди задаются вопросом, почему это возвращает, например,% 3a вместо% 3A
gumlym

2
Это выглядит неправильно, потому что строки UTF-8 не поддерживаются ( w3schools.com/tags/ref_urlencode.asp ). Вроде работает только для Windows-1252
Skywalker13

1
Проблема была в том, что isalnum(c)его нужно изменить наisalnum((unsigned char) c)
Skywalker13

74

Отвечая на свой вопрос ...

libcurl имеет curl_easy_escape для кодирования.

Для декодирования curl_easy_unescape


4
Вы должны принять этот ответ, чтобы он был показан вверху (чтобы людям было проще).
Mouagip

вам нужно использовать curl, чтобы это работало и чтобы освободить память
xinthose

Связанный вопрос: почему curl unescape не обрабатывает замену '+' на пробел? Разве это не стандартная процедура при декодировании URL?
Стефан

12
string urlDecode(string &SRC) {
    string ret;
    char ch;
    int i, ii;
    for (i=0; i<SRC.length(); i++) {
        if (int(SRC[i])==37) {
            sscanf(SRC.substr(i+1,2).c_str(), "%x", &ii);
            ch=static_cast<char>(ii);
            ret+=ch;
            i=i+2;
        } else {
            ret+=SRC[i];
        }
    }
    return (ret);
}

не лучший, но работает нормально ;-)


5
Конечно, вы должны использовать '%'вместо 37.
Джон Цвинк

4
Это не преобразует '+' в пробел
xryl669

11

cpp-netlib имеет функции

namespace boost {
  namespace network {
    namespace uri {    
      inline std::string decoded(const std::string &input);
      inline std::string encoded(const std::string &input);
    }
  }
}

они позволяют очень легко кодировать и декодировать строки URL.


2
Боже, спасибо. документация по cpp-netlib скудна. У вас есть ссылки на хорошие шпаргалки?
user249806

8

Обычно добавление "%" к значению int символа не работает при кодировании, значение предполагается в шестнадцатеричном эквиваленте. например, «/» - это «% 2F», а не «% 47».

Я думаю, что это лучшие и краткие решения как для кодирования, так и для декодирования URL-адресов (без особых зависимостей заголовков).

string urlEncode(string str){
    string new_str = "";
    char c;
    int ic;
    const char* chars = str.c_str();
    char bufHex[10];
    int len = strlen(chars);

    for(int i=0;i<len;i++){
        c = chars[i];
        ic = c;
        // uncomment this if you want to encode spaces with +
        /*if (c==' ') new_str += '+';   
        else */if (isalnum(c) || c == '-' || c == '_' || c == '.' || c == '~') new_str += c;
        else {
            sprintf(bufHex,"%X",c);
            if(ic < 16) 
                new_str += "%0"; 
            else
                new_str += "%";
            new_str += bufHex;
        }
    }
    return new_str;
 }

string urlDecode(string str){
    string ret;
    char ch;
    int i, ii, len = str.length();

    for (i=0; i < len; i++){
        if(str[i] != '%'){
            if(str[i] == '+')
                ret += ' ';
            else
                ret += str[i];
        }else{
            sscanf(str.substr(i + 1, 2).c_str(), "%x", &ii);
            ch = static_cast<char>(ii);
            ret += ch;
            i = i + 2;
        }
    }
    return ret;
}

if(ic < 16) new_str += "%0"; Для чего это питание ?? @tormuto @reliasn
KriyenKP

1
@Kriyen используется для дополнения закодированного HEX нулем в начале, если в результате получается одна буква; так как от 0 до 15 в HEX это от 0 до F.
тормуто 01

1
Мне больше всего нравится такой подход. +1 за использование стандартных библиотек. Хотя есть две проблемы, которые нужно исправить. Я чех и использую букву «ý». Результат: «% 0FFFFFFC3% 0FFFFFFBD». Сначала использовать переключатель 16 не обязательно, поскольку utf8 гарантирует, что все конечные байты будут начинаться с 10, и, похоже, это не помогло моему многобайту. Вторая проблема - это FF, потому что не все компьютеры имеют одинаковое количество бит на int. Исправление заключалось в том, чтобы пропустить переключатель 16 (не требуется) и захватить последние два символа из буфера. (Я использовал stringstream, так как мне удобнее использовать строковый буфер). Еще дал точку. Рама тоже
Volt

@Volt, не могли бы вы опубликовать обновленный код в новом ответе? Вы упоминаете о проблемах, но этого недостаточно для очевидного решения.
gregn3

У этого ответа есть некоторые проблемы, потому что он использует strlen. Во-первых, это не имеет смысла, потому что мы уже знаем размер строкового объекта, так что это пустая трата времени. Гораздо хуже то, что строка может содержать 0 байтов, которые могут быть потеряны из-за strlen. Также if (i <16) неэффективен, потому что это может быть покрыто самим printf с помощью "%%% 02X". И, наконец, c должен быть беззнаковым байтом, иначе вы получите эффект, который описывал @Volt с ведущим '0xFFF ...'.
Devolus

8

[Режим некроманта
включен ] Наткнулся на этот вопрос, когда искал быстрое, современное, платформо-независимое и элегантное решение. Мне не понравилось что-либо из вышеперечисленного, cpp-netlib будет победителем, но он имеет ужасающую уязвимость памяти в функции "декодирования". Так что я придумал решение для духовной ци / кармы boost.

namespace bsq = boost::spirit::qi;
namespace bk = boost::spirit::karma;
bsq::int_parser<unsigned char, 16, 2, 2> hex_byte;
template <typename InputIterator>
struct unescaped_string
    : bsq::grammar<InputIterator, std::string(char const *)> {
  unescaped_string() : unescaped_string::base_type(unesc_str) {
    unesc_char.add("+", ' ');

    unesc_str = *(unesc_char | "%" >> hex_byte | bsq::char_);
  }

  bsq::rule<InputIterator, std::string(char const *)> unesc_str;
  bsq::symbols<char const, char const> unesc_char;
};

template <typename OutputIterator>
struct escaped_string : bk::grammar<OutputIterator, std::string(char const *)> {
  escaped_string() : escaped_string::base_type(esc_str) {

    esc_str = *(bk::char_("a-zA-Z0-9_.~-") | "%" << bk::right_align(2,0)[bk::hex]);
  }
  bk::rule<OutputIterator, std::string(char const *)> esc_str;
};

Использование вышеуказанного как следующее:

std::string unescape(const std::string &input) {
  std::string retVal;
  retVal.reserve(input.size());
  typedef std::string::const_iterator iterator_type;

  char const *start = "";
  iterator_type beg = input.begin();
  iterator_type end = input.end();
  unescaped_string<iterator_type> p;

  if (!bsq::parse(beg, end, p(start), retVal))
    retVal = input;
  return retVal;
}

std::string escape(const std::string &input) {
  typedef std::back_insert_iterator<std::string> sink_type;
  std::string retVal;
  retVal.reserve(input.size() * 3);
  sink_type sink(retVal);
  char const *start = "";

  escaped_string<sink_type> g;
  if (!bk::generate(sink, g(start), input))
    retVal = input;
  return retVal;
}

[Режим некроманта отключен]

EDIT01: исправлено заполнение нулями - особая благодарность
Хартмуту Кайзеру EDIT02: Live on CoLiRu


В чем заключается «ужасающая уязвимость памяти» cpp-netlib? Вы можете дать краткое объяснение или ссылку?
Крейг М. Бранденбург

Об этом (проблеме) уже сообщалось, поэтому я не сообщал и на самом деле не помню ... что-то вроде нарушения прав доступа при попытке разобрать недопустимую escape-последовательность или что-то в этом роде
kreuzerkrieg 08

о, вот,
пожалуйста,

Спасибо за разъяснение!
Крейг М. Бранденбург


6

Вдохновленный xperroni, я написал декодер. Спасибо за указатель.

#include <iostream>
#include <sstream>
#include <string>

using namespace std;

char from_hex(char ch) {
    return isdigit(ch) ? ch - '0' : tolower(ch) - 'a' + 10;
}

string url_decode(string text) {
    char h;
    ostringstream escaped;
    escaped.fill('0');

    for (auto i = text.begin(), n = text.end(); i != n; ++i) {
        string::value_type c = (*i);

        if (c == '%') {
            if (i[1] && i[2]) {
                h = from_hex(i[1]) << 4 | from_hex(i[2]);
                escaped << h;
                i += 2;
            }
        } else if (c == '+') {
            escaped << ' ';
        } else {
            escaped << c;
        }
    }

    return escaped.str();
}

int main(int argc, char** argv) {
    string msg = "J%C3%B8rn!";
    cout << msg << endl;
    string decodemsg = url_decode(msg);
    cout << decodemsg << endl;

    return 0;
}

edit: удалены ненужные cctype и iomainip.


1
Блок «if (c == '%')» требует дополнительной проверки выхода за пределы, i [1] и / или i [2] могут выходить за рамки text.end (). Я бы тоже переименовал «сбежавший» в «неэкранированный». "escaped.fill ('0');" вероятно не нужен.
roalz

Пожалуйста, посмотрите мою версию. Он более оптимизирован. pastebin.com/g0zMLpsj
KoD

4

Добавление дополнения к рекомендации Билла по использованию libcurl: отличное предложение и будет обновлено:
через 3 года функция curl_escape устарела, поэтому для будущего использования лучше использовать curl_easy_escape .


4

Я столкнулся с этим вопросом при поиске api для декодирования URL-адреса в приложении win32 c ++. Поскольку вопрос не совсем определяет платформу, предполагается, что окна - это не плохо.

InternetCanonicalizeUrl - это API для программ Windows. Больше информации здесь

        LPTSTR lpOutputBuffer = new TCHAR[1];
        DWORD dwSize = 1;
        BOOL fRes = ::InternetCanonicalizeUrl(strUrl, lpOutputBuffer, &dwSize, ICU_DECODE | ICU_NO_ENCODE);
        DWORD dwError = ::GetLastError();
        if (!fRes && dwError == ERROR_INSUFFICIENT_BUFFER)
        {
            delete lpOutputBuffer;
            lpOutputBuffer = new TCHAR[dwSize];
            fRes = ::InternetCanonicalizeUrl(strUrl, lpOutputBuffer, &dwSize, ICU_DECODE | ICU_NO_ENCODE);
            if (fRes)
            {
                //lpOutputBuffer has decoded url
            }
            else
            {
                //failed to decode
            }
            if (lpOutputBuffer !=NULL)
            {
                delete [] lpOutputBuffer;
                lpOutputBuffer = NULL;
            }
        }
        else
        {
            //some other error OR the input string url is just 1 char and was successfully decoded
        }

InternetCrackUrl ( здесь ) также, похоже, имеет флаги, чтобы указать, нужно ли декодировать URL


3

Я не смог найти здесь URI decode / unescape, который также декодирует 2- и 3-байтовые последовательности. Внесу свой вклад в мою собственную высокопроизводительную версию, которая на лету преобразует ввод c sting в wstring:

#include <string>

const char HEX2DEC[55] =
{
     0, 1, 2, 3,  4, 5, 6, 7,  8, 9,-1,-1, -1,-1,-1,-1,
    -1,10,11,12, 13,14,15,-1, -1,-1,-1,-1, -1,-1,-1,-1,
    -1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1, -1,-1,-1,-1,
    -1,10,11,12, 13,14,15
};

#define __x2d__(s) HEX2DEC[*(s)-48]
#define __x2d2__(s) __x2d__(s) << 4 | __x2d__(s+1)

std::wstring decodeURI(const char * s) {
    unsigned char b;
    std::wstring ws;
    while (*s) {
        if (*s == '%')
            if ((b = __x2d2__(s + 1)) >= 0x80) {
                if (b >= 0xE0) { // three byte codepoint
                    ws += ((b & 0b00001111) << 12) | ((__x2d2__(s + 4) & 0b00111111) << 6) | (__x2d2__(s + 7) & 0b00111111);
                    s += 9;
                }
                else { // two byte codepoint
                    ws += (__x2d2__(s + 4) & 0b00111111) | (b & 0b00000011) << 6;
                    s += 6;
                }
            }
            else { // one byte codepoints
                ws += b;
                s += 3;
            }
        else { // no %
            ws += *s;
            s++;
        }
    }
    return ws;
}

#define __x2d2__(s) (__x2d__(s) << 4 | __x2d__(s+1))и он будет построен с -WError.
Janek Olszak

Извините, но "высокая производительность" при добавлении одиночных символов в a wstringнереально. По крайней мере, reserveдостаточно места, иначе у вас все время будут массовые перераспределения,
Феликс Домбек


1

Эта версия - чистый C и может дополнительно нормализовать путь к ресурсам. Использование его с C ++ тривиально:

#include <string>
#include <iostream>

int main(int argc, char** argv)
{
    const std::string src("/some.url/foo/../bar/%2e/");
    std::cout << "src=\"" << src << "\"" << std::endl;

    // either do it the C++ conformant way:
    char* dst_buf = new char[src.size() + 1];
    urldecode(dst_buf, src.c_str(), 1);
    std::string dst1(dst_buf);
    delete[] dst_buf;
    std::cout << "dst1=\"" << dst1 << "\"" << std::endl;

    // or in-place with the &[0] trick to skip the new/delete
    std::string dst2;
    dst2.resize(src.size() + 1);
    dst2.resize(urldecode(&dst2[0], src.c_str(), 1));
    std::cout << "dst2=\"" << dst2 << "\"" << std::endl;
}

Выходы:

src="/some.url/foo/../bar/%2e/"
dst1="/some.url/bar/"
dst2="/some.url/bar/"

И собственно функция:

#include <stddef.h>
#include <ctype.h>

/**
 * decode a percent-encoded C string with optional path normalization
 *
 * The buffer pointed to by @dst must be at least strlen(@src) bytes.
 * Decoding stops at the first character from @src that decodes to null.
 * Path normalization will remove redundant slashes and slash+dot sequences,
 * as well as removing path components when slash+dot+dot is found. It will
 * keep the root slash (if one was present) and will stop normalization
 * at the first questionmark found (so query parameters won't be normalized).
 *
 * @param dst       destination buffer
 * @param src       source buffer
 * @param normalize perform path normalization if nonzero
 * @return          number of valid characters in @dst
 * @author          Johan Lindh <johan@linkdata.se>
 * @legalese        BSD licensed (http://opensource.org/licenses/BSD-2-Clause)
 */
ptrdiff_t urldecode(char* dst, const char* src, int normalize)
{
    char* org_dst = dst;
    int slash_dot_dot = 0;
    char ch, a, b;
    do {
        ch = *src++;
        if (ch == '%' && isxdigit(a = src[0]) && isxdigit(b = src[1])) {
            if (a < 'A') a -= '0';
            else if(a < 'a') a -= 'A' - 10;
            else a -= 'a' - 10;
            if (b < 'A') b -= '0';
            else if(b < 'a') b -= 'A' - 10;
            else b -= 'a' - 10;
            ch = 16 * a + b;
            src += 2;
        }
        if (normalize) {
            switch (ch) {
            case '/':
                if (slash_dot_dot < 3) {
                    /* compress consecutive slashes and remove slash-dot */
                    dst -= slash_dot_dot;
                    slash_dot_dot = 1;
                    break;
                }
                /* fall-through */
            case '?':
                /* at start of query, stop normalizing */
                if (ch == '?')
                    normalize = 0;
                /* fall-through */
            case '\0':
                if (slash_dot_dot > 1) {
                    /* remove trailing slash-dot-(dot) */
                    dst -= slash_dot_dot;
                    /* remove parent directory if it was two dots */
                    if (slash_dot_dot == 3)
                        while (dst > org_dst && *--dst != '/')
                            /* empty body */;
                    slash_dot_dot = (ch == '/') ? 1 : 0;
                    /* keep the root slash if any */
                    if (!slash_dot_dot && dst == org_dst && *dst == '/')
                        ++dst;
                }
                break;
            case '.':
                if (slash_dot_dot == 1 || slash_dot_dot == 2) {
                    ++slash_dot_dot;
                    break;
                }
                /* fall-through */
            default:
                slash_dot_dot = 0;
            }
        }
        *dst++ = ch;
    } while(ch);
    return (dst - org_dst) - 1;
}

Спасибо. Здесь нет необязательных путей. pastebin.com/RN5g7g9u
Julian

Это не является следствием каких-либо рекомендаций и совершенно неверно по сравнению с тем, что просит автор (например, «+» не заменяется пробелом). Нормализация пути не имеет ничего общего с декодированием URL. Если вы намерены нормализовать свой путь, вы должны сначала разделить свой URL-адрес на части (схема, полномочия, путь, запрос, фрагмент), а затем применить любой алгоритм, который вам нравится, только на части пути.
xryl669 03

1

сочные кусочки

#include <ctype.h> // isdigit, tolower

from_hex(char ch) {
  return isdigit(ch) ? ch - '0' : tolower(ch) - 'a' + 10;
}

char to_hex(char code) {
  static char hex[] = "0123456789abcdef";
  return hex[code & 15];
}

отмечая, что

char d = from_hex(hex[0]) << 4 | from_hex(hex[1]);

как в

// %7B = '{'

char d = from_hex('7') << 4 | from_hex('B');

1

Вы можете использовать функцию g_uri_escape_string (), предоставленную glib.h. https://developer.gnome.org/glib/stable/glib-URI-Functions.html

#include <stdio.h>
#include <stdlib.h>
#include <glib.h>
int main() {
    char *uri = "http://www.example.com?hello world";
    char *encoded_uri = NULL;
    //as per wiki (https://en.wikipedia.org/wiki/Percent-encoding)
    char *escape_char_str = "!*'();:@&=+$,/?#[]"; 
    encoded_uri = g_uri_escape_string(uri, escape_char_str, TRUE);
    printf("[%s]\n", encoded_uri);
    free(encoded_uri);

    return 0;
}

скомпилируйте его с помощью:

gcc encoding_URI.c `pkg-config --cflags --libs glib-2.0`


0

Я знаю, что вопрос касается метода C ++, но для тех, кому он может понадобиться, я придумал очень короткую функцию на простом C для кодирования строки. Он не создает новую строку, а скорее изменяет существующую, что означает, что он должен иметь достаточный размер для размещения новой строки. Очень легко угнаться.

void urlEncode(char *string)
{
    char charToEncode;
    int posToEncode;
    while (((posToEncode=strspn(string,"1234567890ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz-_.~"))!=0) &&(posToEncode<strlen(string)))
    {
        charToEncode=string[posToEncode];
        memmove(string+posToEncode+3,string+posToEncode+1,strlen(string+posToEncode));
        string[posToEncode]='%';
        string[posToEncode+1]="0123456789ABCDEF"[charToEncode>>4];
        string[posToEncode+2]="0123456789ABCDEF"[charToEncode&0xf];
        string+=posToEncode+3;
    }
}

0

вы можете просто использовать функцию AtlEscapeUrl () из atlutil.h, просто просмотрите ее документацию о том, как ее использовать.


1
это будет работать только на окнах
kritzikratzi

Да, я пробовал это в Windows.
Pratik

-2

Пришлось сделать это в проекте без Boost. Итак, в итоге я написал свой. Я просто выложу его на GitHub: https://github.com/corporateshark/LUrlParser

clParseURL URL = clParseURL::ParseURL( "https://name:pwd@github.com:80/path/res" );

if ( URL.IsValid() )
{
    cout << "Scheme    : " << URL.m_Scheme << endl;
    cout << "Host      : " << URL.m_Host << endl;
    cout << "Port      : " << URL.m_Port << endl;
    cout << "Path      : " << URL.m_Path << endl;
    cout << "Query     : " << URL.m_Query << endl;
    cout << "Fragment  : " << URL.m_Fragment << endl;
    cout << "User name : " << URL.m_UserName << endl;
    cout << "Password  : " << URL.m_Password << endl;
}

Ваша ссылка ведет к библиотеке, которая анализирует URL. Он не% -кодирует URL. (Или, по крайней мере, я не мог нигде увидеть% в источнике.) Таким образом, я не думаю, что это дает ответ на вопрос.
Мартин Боннер поддерживает Монику
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.