URL链接中汉字乱码转UTF-8和gb2312

版权声明：本文为博主原创文章，未经博主允许不得转载。博客搬迁至https://winddoing.github.io https://blog.csdn.net/u011037149/article/details/51044955

在使用URL向服务器提交数据的时候，如果我们提交的数据中存在汉字，就会出现下列情况
http://192.168.11.22/cgi-bin/serial.cgi?type=text&text=%C9%DB%CD%FB%C8%A8

%C9%DB%CD%FB%C8%A8代表着什么，不是我们想要的数据，那它是什么呢？

去除所有%号：C9DBCDFBC8A8使用汉字内码查询可以看到

将汉字内码转成一个汉字

1. gb2312
   两个字节表示一个汉字

   #include <stdio.h>
   #include <string.h>
   
   int main(void)
   {
          char str[3];
   
          str[0]=201; /*201为C9的十进制值*/
          str[1]=219; /*219为DB的十进制值*/
          str[2]='\0';
          printf("C9DB的汉字的值为:%s",str);
          return 0;
   }
   

   注：在终端先可以正确输出‘邵’，（使用gb2312编码，在linux下输出乱码，Windows下正常输出）

2. utf-8
   三个字节表示一个汉字

   多个汉字输出

   /*将十六进制数转为十进制*/
   int hex_to_decade(char * s)
   {
       char *digits="0123456789ABCDEF";
   
       /*判断大小写，小写的话转为大写，达到统一*/
       if (islower (s[0]))
           s[0]=toupper(s[0]);
       if (islower (s[1]))
           s[1]=toupper(s[1]);
   
       return 16*(strchr(digits,s[0])-strchr(digits,'0'))+(strchr(digits,s[1])-strchr(digits,'0'));
   }
   void url_to_gb_or_utf(char *get_url, char *return_gb_or_utf)
   {
       int url_position;/*用来保存get_url的位置*/
       int return_position;/*用来保存解码后的字符串的位置*/
       int url_len;/*用来保存get_url的长度*/
       char tmp[2];/*保存%后面的十六进制字符*/
       url_len = strlen(get_url);
       return_position = 0;
   
       fprintf(stdout, "length=%d\n", url_len);
       for ( url_position = 0; url_position < url_len; )
       {
           /*如果是%将它后面的十六进制字符考到数组里*/
           if ( get_url[url_position] == '%' ){
               tmp[0] = get_url[url_position+1];/*第一个十六进制字符*/
               tmp[1] = get_url[url_position+2];/*第二个*/
           //  tmp[2] = '\0';  **串口通信中会出现乱码，结尾必须不能有其他字符**
   
               url_position+= 3; /*使url_position跳到的下一个%*/
               /*将十六进制数转为十进制后考入要返回的数组里*/
   
               return_gb_or_utf[return_position] = hex_to_decade(tmp);
               fprintf(stdout, "------%d\n", return_gb_or_utf[return_position] );
           }
           /*如果不是特殊字符，如英文，数字那么直接返回*/
           else{
               return_gb_or_utf[return_position] = get_url[url_position];
               url_position++;
           }
           return_position++;
       }
   
       return_gb_or_utf[return_position] = 0;
   }
   

**十六进制转十进制可使用：strtol函数

汉字编码

1. UTF-8：Unicode TransformationFormat-8bit，允许含BOM，但通常不含BOM。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字节）来编码。
2. GBK是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK的文字编码是用双字节来表示的，即不论中、英文字符均使用双字节来表示，为了区分中文，将其最高位都设定成1。GBK包含全部中文字符，是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBD大。