[問題] URL encoding問題

[tnsshnews (tnsshnews)]

Dear all,

小弟想去某個網站自動crawler資料, 觀察某網站的網址, 是要用Big5編碼URL,

但用java內建的URLEncoder編碼出來的又不一樣, 是編碼有兩套嗎?

無意間找到這個網站

http://www.mytju.com/classCode/tools/urlencode_big5.asp

它的URL encoding剛好跟我要抓的網站一樣, 但用java內建的encoder卻產生不出一樣的,

舉例說明一下, 例如http://sss.xxxx.aaa.vvv?text=編碼

編碼的部分拿 "林" 這個中文字來舉例, 在無意見中找到的轉碼網站結果如下,

字符    編碼10進制      編碼16進制      URL編碼
林         43596           AA4C          %AAL

java內建的URLEncoder產生出來的是16進位碼 %AA%4C
但網站要吃的卻是%AAL

有人知道這是哪種Big5編碼嗎

感激不盡

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.248.200.96
※ 文章網址: https://www.ptt.cc/bbs/java/M.1422235854.A.CBD.html
→ realmeat: %4C 跟 L 其實是同一件事, 看來對 ASCII 不熟唷
→ tnsshnews: 但不知為何4C要轉成ascii, AA就不用呢
→ tnsshnews: 看起來是A-Z, a-z有轉ascii, 其他都沒轉
→ ssccg: 因為url encode是規定ascii非保留字元範圍的byte value要編
→ ssccg: 成%xx，A-Z、a-z、0-9、-_.~就不用      ↑以外
→ ssccg: decode的時候應該是不管是%4C還是L都先轉成byte value
→ ssccg: 再照對應編碼轉回來(big5的話AA4C變成"林"、414C變"AL")
→ ssccg: 不用%4C用L原因就短啊，一樣的值少傳三個byte就是省
→ ssccg: 問題在你說的網站為什麼不能處理%4C ↑兩
→ tnsshnews: 不好意思, 是我太天兵了, 這個規則就是
→ tnsshnews: java Encoder做的結果, 是我搞錯了, 謝謝大家幫忙
推 tubbysong: Base64