URL 中文参数压缩算法.pdf

CN 102801430 B 说 明 书 1/4页 URL中文参数压缩算法 技术领域 [0001] 本发明涉及URL编码技术领域，特别是一种URL中文参数压缩算法。 背景技术 [0002] URL参数是追加到URL 上的一个名称/值对，RFC1738、RFC3986等相关文档规定， 需要对URL参数中的中文进行编码后再传送。URL编码是对不安全字符以百分号(%)用十六 进制进行编码，只有US-ASCII字符集的一个子集的字符才能允许出现在URL中。 [0003] Web 编程语言如 JavaScript、PHP 等提供了 URL 编码函数如 escape、encodeURI、 urlencode等，但这些函数对URL的中文参数编码后长度过长。浏览器和服务器对URL的长 度有一定的限制，过长的 URL 不仅可能导致服务器产生拒绝请求服务的错误，在海量用户 环境下还会影响请求的提交和服务器响应。 发明内容 [0004] 本发明的目的在于提供一种 URL 中文参数压缩算法，该算法压缩效果好，有利于 减小URL的中文参数的编码长度。 [0005] 本发明采用的技术方案是：一种 URL 中文参数压缩算法，按如下步骤进行中文编 码： [0006] 步骤1：将16位的汉字Unicode值左移两位成18位，然后表示成长度分别为6位、 6位、6位的三块； [0007] 步骤2：当第二块的二进制值为111110或111111时，将第二块前五位的任意一位 与第三块的末位交换； [0008] 步骤 3：将经过步骤 1、2 处理的汉字二进制编码进行 Base64 编码，实现 URL 中文 参数的压缩。 [0009] 当Web页面采用Unicode 1.0的CJK统一字符或GB2312编码时，可采用该算法进 行URL中文参数的压缩。 [0010] 当 Web 页面采用 BIG5 或 GBK 编码时，对于映射到 Unicode 的编码值不在 U+4E00~U+9FA5范围中的CJK兼容汉字，按如下方法进行编码：先将16位的汉字Unicode值 左移两位成18位，并表示成长度分别为6位、6位、6位的三块，然后将第一块的最后两位交 换，最后将经过处理的汉字二进制编码进行Base64编码，实现URL中文参数的压缩。 [0011] 本发明的有益效果是针对URL中文参数的特点，结合Base64设计并实现了一种改 良的 URL 中文参数压缩算法。该算法压缩效果好，应用广泛，适用于多种中文字符集编码。 该算法不仅一定程度上避免了 URL 长度超过浏览器 / 服务器的限制，而且显著减少服务器 不必要的流量，并缩短服务器的响应时间，提升在网络拥塞情况下用户的浏览体验。 附图说明 [0012] 图1是本发明算法的工作流程图。 3 3 CN 102801430 B 说 明 书 2/4页 [0013] 图2是Base64算法的编码过程图。 [0014] 图3是本发明算法在Unicode值的第二块出现111110或111111时的编码过程图。 [0015] 图4是CP936中映射到Unicode的编码值不在U+4E00~U+9FA5范围中的21个CJK 兼容字符列表。 [0016] 图5是本发明算法在Unicode值的第一块出现111110时的编码过程图。 具体实施方式 [0017] 本发明URL中文参数压缩算法，按如下步骤进行中文编码： [0018] 步骤1：把16位的二进制汉字Unicode值左移两位转换成18位，然后表示成长度 分别为6位、6位、6位的三块，易知只有第二块的十进制值可能为62（二进制111110）或63 （二进制111111）； [0019] 步骤2：当第二块的二进制值为111110或111111时，将第二块前五位的任意一位 与第三块的末位交换； [0020] 步骤 3：将经过步骤 1、2 处理的汉字二进制编码进行 Base64 编码，实现 URL 中文 参数的压缩。 [0021] 在本实施例中，当第二块的二进制值为111110或1111