urlencode 编码同一段字符， Python 和 Java 出来的结果不一样

首先谢谢各位热心的解答，问题解决了，原因如二楼 @imn1 所说 python 默认的编码是 latin-1，java 是 utf-8，在 java 上将从文件上读出来的字节数组用 new String(byte[],"Latin1")转成 String，然后 urlencode 的时候也指定 Latin1 的编码就行了，关于很多人说到的为什么要放到 json 的问题，其实是我说错了，在 python 里面应该是 dictionary 才对。再次感谢大家的热心帮助，仅以不多的铜币感谢回答的各位。

Java

urlencode

Python

字符

13 条回复 • 2018-05-21 15:05:27 +08:00

ebingtel

2018-05-19 20:24:49 +08:00

……先 base64 encode 再 urlencode ；

imn1

2018-05-19 20:48:03 +08:00

编码问题
python 在 latin-1/gbk 下执行
java 在 utf-8 下执行

字符'¬'，它的 ASCII/Latin-1 为 AC，utf-8(bytes)是 C2AC

flyingghost

2018-05-20 00:18:33 +08:00

塞到 json 里用 urlencode 首先就错了。base64 足矣。
其次，问题的原因是编码。如 2 楼所言。

flyingghost

2018-05-20 00:30:04 +08:00

你要这么想：输入是 bin，要求输出是 string，用什么？当然用 base64 一步达成。
urlencode 输出是 string，但输入也是 string，并不符合你的场景需求，你还得为它做一步转换准备好入参。预先从 bin -> string 过程中，必然会引入新的因素：编码。
再说一下字符编码。并不是任意一个 bin 都能转成对应的 string 的。很多编码方式都有它自己的规则，例如 utf-8，对于 n 字节的符号（ n > 1 ），第一个字节的前 n 位都设为 1，第 n + 1 位设为 0，后面字节的前两位一律设为 10。因此很容易构造（遭遇）一个非法的 bin 序列在转换时报错。还有，转换后的码点是不是一个合法字符？这是由码表说了算。码表上不存在的，有可能就作为非法字符忽略或者显示为框或者问号。
假设第一步转换凑巧没出错，还得考虑第一步转出特殊字符，第二步 urlencode 时会不会正常处理。例如\0、\r、\n。。。毕竟它的设计并不是计划用在这种场合。

Arnie97

2018-05-20 00:40:58 +08:00 via Android

实际上 urlencode 暗含了两个步骤：
将 str 编码为 bytes，这一步的编码存在分别；
将 bytes 编码为 hex，这一步都是相同的。

在 Java 中，建议用 URLEncoder.encode(str, encoding)来明确的指出选择了哪种字符编码，以免踩坑。而 URLEncoder.encode(str) 已经是官方不建议使用的写法，如果用的是 IntelliJ IDEA 这么写会受到警告。

同理，Python 中建议使用 encoding= 关键字参数来指明字符编码，否则会随系统环境设置而变化。