[发明专利]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URL中文参数压缩算法，按如下步骤进行中文编码：

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；

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；

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。

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。

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。

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

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是本发明算法在Unicode值的第二块出现111110或111111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是本发明算法在Unicode值的第一块出现111110时的编码过程图。

具体实施方式

本发明URL中文参数压缩算法，按如下步骤进行中文编码：

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）；

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；

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。

在本实施例中，当第二块的二进制值为111110或111111时，将第二块的第三位与第三块的末位交换。

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。

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位的二进制汉字Unicode值左移两位转换成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。

下面结合具体实施例对本发明作进一步说明。

1、算法基本思想-Base64算法