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：https://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：https://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

---

---

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： https://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

  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：

1. 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。)
2. 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)
3. 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)
4. 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：

1. 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。
2. 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。
3. 标签限制：域名不能以连字符开头或结尾。
4. 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。
5. 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。
6. 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 = "https://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"\n编码Url：\n{url}\n\n解码后；\n{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：

1. 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。
2. 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。
3. 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。
4. 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。
5. print(f"\n编码Url：\n{url}\n\n解码后；\n{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"\n编码Url：\n{url}\n\n解码后；\n{strDecode}\n\n重新编码：\n{reEncode}\n\n原始编码 = 重新编码：{url == reEncode}\n")

• 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"\n33个控制字符不可见，可打印的ASCII字符集：\n\n共计{len(asciis)}个(含空格)\n{', '.join(asciis)}\n")



url = "https://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"\n编码Url：\n{url}\n\n解码后；\n{strDecode}\n\n重新编码：\n{reEncode}\n\n原始编码 = 重新编码：{url == reEncode}\n")

---

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：https://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：https://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：https://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：https://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：https://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：https://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：https://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

---

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）

---