[发明专利]适用于GB18030的URL中文参数压缩算法

说明书

技术领域

本发明涉及URL编码技术领域，特别是一种适用于GB18030的URL中文参数压缩算法。

背景技术

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。

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

本发明的目的在于提供一种适用于GB18030的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。

本发明采用的技术方案是：一种适用于GB18030的URL中文参数压缩算法，当Web页面采用GB18030-2000或GB18030-2005编码时，对于映射到Unicode的编码值在U+4E00-U+9FA5范围中的CJK统一字符以及编码值在U+3400-U+4DB5范围中的CJK扩展A字符，按如下步骤进行中文编码：

步骤1.1：将16位的二进制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；

步骤1.2：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；

步骤1.3：将经过步骤1.1、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；

对于映射到Unicode的编码值在U+ F92C-U+ FA29范围中的CJK兼容字符，按如下步骤进行中文编码：

步骤2.1：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；

步骤2.2：将第一块的最后两位交换；

步骤2.3：将经过步骤2.1、2.2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；

对于映射到Unicode的编码值在U+20000-U+2A6D6范围中的CJK扩展B字符，按如下步骤进行中文编码：

步骤3.1：将20位的汉字Unicode值的最高两位忽略，然后表示成长度分别为6位、6位、6位的三块；

步骤3.2：定义当一个块的二进制值为111110或111111时就称该块特殊，并在二进制值为101000-111100范围中任取三个值X、Y、Z，分别用以表示第二块特殊、第三块特殊、第二块和第三块均特殊；

当第二块和第三块均不特殊时，将第一块的最高位置为0；

当第二块或第三块特殊时，将特殊块的后两位与二进制10作异或运算，并将第一块的后四位存储在特殊块的前四位，然后将对应的X或Y值填入第一块；

当第二块和第三块均特殊时，将两个特殊块的后两位分别与二进制10作异或运算，并将第一块的后四位存储在其中一个特殊块的前四位，然后将对应的Z值填入第一块；

步骤3.3：将经过步骤3.1、3.2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。

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适用于GB18030-2000和GB18030-2005的URL中文参数压缩算法。该算法压缩效果好，适用范围广。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

图1是本发明算法的工作流程图。

图2是Base64算法的编码过程图。

图3是本发明算法对CJK统一字符或CJK扩展A字符编码时，在Unicode值的第二块出现62或63时的编码过程图。

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。

图5是本发明算法对CJK兼容字符编码时，在Unicode值的第一块出现62时的编码过程图。

图6是本发明算法对第一块的二进制值的分配表。

图7是本发明算法对CJK扩展B字符编码时，在第二块特殊时的编码过程图。