代码之家 › 专栏 › 技术社区 › JaredPar

查找部分utf8编码的URL的解析API

uri .net c#

8

JaredPar · 技术社区 · 17 年前

在分析特定网页(尤其是任何Windows Live网页)的HTML时,我会遇到以下格式的大量URL_。

http\x3a\x2f\x2fjs.wlxrs.com\x2fjt6xqregnzkhgufpqwcjjg\x2fempty.htm

这些看起来部分是utf8转义字符串(\x2f=/,\x3a=:,等等)。是否有.NET API可用于将这些字符串转换为System.Uri?看起来很容易解析,但我今天试图避免构建一个新的轮子。

3 回复 | 直到 13 年前

1

3

Timwi 17 年前

您发布的内容不是有效的HTTP。当然是这样 HttpUtility.UrlDecode() 不起作用。但不管怎样,您可以将其转换回正常文本,如下所示:

string input = @"http\x3a\x2f\x2fjs.wlxrs.com\x2fjt6xQREgnzkhGufPqwcJjg\x2fempty.htm";
string output = Regex.Replace(input, @"\\x([0-9a-f][0-9a-f])",
    m => ((char) int.Parse(m.Groups[1].Value, NumberStyles.HexNumber)).ToString());

但是请注意,这假定编码是拉丁语-1而不是UTF-8。您提供的输入在这方面是不确定的。如果您需要UTF-8工作,您需要一个稍长的路由;您必须将字符串转换为字节,并用进程中的相关字节替换转义序列(可能需要一个while循环),然后使用 Encoding.UTF8.GetString() 在生成的字节数组上。

2

0

Royi Namir 13 年前

这是另一个解决方案:(从@timwi solution继续)

string output = Regex.Replace(input, @"\\x([0-9a-f][0-9a-f])",
            m => ((char)Convert.ToInt32(m.Groups[1].Value, 16)).ToString());

3

-1

leppie 17 年前

你试过吗? HttpUtility.UrlDecode ?