windows - UrlUnescape() 和 unicode 字符

Question

我正在尝试用 C++ 编写程序，该程序将解码包含一些 URL 编码的 unicode 字符的 URL 编码字符串。

#include <windows.h>
#include <string>
#include <shlwapi.h>
#pragma comment(lib, "Shlwapi.lib")

int _tmain(int argc, _TCHAR* argv[])
{
    std::wstring test = L"bla+%D0%B1%D0%BB%D0%BE%D1%84+%E6%97%A5%E6%9C%AC%E8%AA%9E";
    PWSTR urlencodedStr = const_cast<WCHAR*>(test.c_str());
    WCHAR decodedStr[1025];
    DWORD size = 1024;
    HRESULT hres = UrlUnescape(urlencodedStr, decodedStr, &size, NULL);

    if (hres == S_OK)
        MessageBox(NULL, decodedStr, L"decoded string", MB_OK);

    return 0;
}

我期待在decodedStr中得到L“bla блоф 日本语”。但我得到的是 L"bla+блÐ⁄Ñ„+æ—¥æœØ語”。 我在构建中使用 unicode 字符集。 我做错了什么？

Answer 1

UrlUnescape 默认情况下使用默认 (ANSI) 代码页将 URL 解码的 %xx 字节转换为字符。这几乎从来都不是您想要的。

从 Windows 8 开始，您可以传递 UNESCAPE_AS_UTF8标志以使其表现良好。如果您不能依赖 Win8，则必须使用/编写一个不存在此问题的不同 URL 解码库调用。

还有 + 的问题:在 plain-URL-encoding 中(例如在路径部分中使用)，这意味着加号，但在 form-url-encoding 中(例如查询参数中的示例)，这就是您在这里看到的，它意味着一个空格。一个好的 URL 解码器可以让您选择说出您的意思； UrlUnescape 没有。另一种方法是在 URL 解码之前手动将输入中的 + 替换为空格；这是一种特殊情况，其他角色不会受到类似影响。