在Java中检测URL的编码

Question

我有一个数据库中混合数据的情况，我试图看看这是否是一个可以解决的问题。我所拥有的是三种格式之一的部分网址：

/some/path?ugly=häßlich // case 1, Encoding: UTF-8 (plain) 
/some/path?ugly=h%C3%A4%C3%9Flich // case 2, Encoding: UTF-8 (URL-encoded) 
/some/path?ugly=h%E4%DFlich // case 3: Encoding: ISO-8859-1 (URL-encoded) 

我需要在我的应用程序是URL编码UTF8版本

/some/path?ugly=h%C3%A4%C3%9Flich // Encoding: UTF-8 (URL-encoded) 

颖在DB都是UTF- 8，但是URL编码可能存在也可能不存在，并且可能具有任何一种格式。

我有一个方法a编码简单的UTF-8 URL编码UTF-8，和我有一个方法b解码URL编码ISO-8859-1为纯UTF-8，所以基本上是我计划做的是：

壳体1：

String output = a(input); 

壳体2：

String output = input; 

壳体3：

String output = a(b(input)); 

所有这些情况下工作正常，如果我知道哪个是哪个，但有没有一种安全的方式来检测这样的字符串是否是情况2或3？ （我可以将参数中使用的语言限制为欧洲语言：德语，英语，法语，荷兰语，波兰语，俄语，丹麦语，挪威语，瑞典语和土耳其语，如果有任何帮助的话）。

我知道显而易见的解决方案是清理数据，但不幸的是，数据不是由我自己创建的，也不是具有必要技术理解的人员（并且有大量需要工作的遗留数据）

Answer 1

如果你可以假设，只有字母数字编码，以下woud的工作：

• “häßlich”
• “H％C3％A4％C3％9Flich”
• “H％E4 ％DFlich“

//检查首先：

public static boolean isUtf8Encoded(String url) { 
    return isAlphaNumeric(url); 
} 

public static boolean isUrlUtf8Encoded(String url) 
     throws UnsupportedEncodingException { 
    return isAlphaNumeric(URLDecoder.decode(url, "UTF-8")); 
} 

public static boolean isUrlIsoEncoded(String url) 
     throws UnsupportedEncodingException { 
    return isAlphaNumeric(URLDecoder.decode(url, "ISO-8859-1")); 
} 

private static boolean isAlphaNumeric(String decode) { 
    for (char c : decode.toCharArray()) { 
     if (!Character.isLetterOrDigit(c)) { 
      return false; 
     } 
    } 
    return true; 
} 

Answer 2

感谢接受的答案，但它并不适用于URL工作，因为URL还包含控制字符，这是我的解决方案：

/** 
* List of valid characters in URL. 
*/ 
private static final List VALID_CHARACTERS = Arrays.asList(
     '-', '.', '_', '~', ':', '/', '?', '#', '[', ']', '@', '!', 
     '$', '&', '\'', '(', ')', '*', '+', ',', ';', '=' 
); 

/** 
* Check that decoding was successful or not. 
* @param url URL to check 
* @return True if it's valid. 
*/ 
private static boolean isMalformed(final String url) { 
    for (char c : url.toCharArray()) { 
     if (VALID_CHARACTERS.indexOf(c) == -1 && !Character.isLetterOrDigit(c)) { 
      return false; 
     } 
    } 
    return true; 
} 

/** 
* Try to decode URL with specific encoding. 
* @param url URL 
* @param encoding Valid encoding 
* @return Decoded URL or null of encoding is not write 
* @throws java.io.UnsupportedEncodingException Throw if encoding does not support on your system. 
*/ 
private static String _decodeUrl(final String url, final String encoding) { 
    try { 
     final String decoded = URLDecoder.decode(url, encoding); 
     if(isMalformed(decoded)) { 
      return decoded; 
     } 
    } 
    catch (UnsupportedEncodingException ex) { 
     throw new IllegalArgumentException("Illegal encoding: " + encoding); 
    } 
    return null; 
} 

/** 
* Decode URL with most popular encodings for URL. 
* @param url URL 
* @return Decoded URL or original one if encoding does not support. 
*/ 
public static String decodeUrl(final String url) { 
    final String[] mostPopularEncodings = new String[] {"iso-8859-1", "utf-8", "GB2312"}; 
    return decodeUrl(url, mostPopularEncodings); 
} 

/** 
* Decode URL with most popular encodings for URL. 
* @param url URL 
* @param encoding Encoding 
* @return Decoded URL or original one if encoding does not support. 
*/ 
public static String decodeUrl(final String url, final String... encoding) { 
    for(String e:encoding) { 
     final String decoded; 
     if((decoded = _decodeUrl(url, e)) != null) { 
      return decoded; 
     } 
    } 
    return url; 
} 

Answer 3

你可以在第一次解码时进行解码然后进行编码，如果您有未编码的网址，则不会受解码影响

String url = "your url"; 
    url=URIUtil.decode(url, "UTF-8"); 
    url=URIUtil.encodeQuery(url, "UTF-8");