Ampersand og URL encoding problemer

URLEncoder.encode(s, "UTF-8") eller URLEncoder.encode(s, "ISO-8859-1") vil encode en vaerdi (paa trods af navnet er det en vaerdi ikke en hel URL !).

Entities maa kunne decodes med noget a la:

    private static final Pattern p = Pattern.compile("&#x([0-9A-F]+)");
    public static String Unentity(String s) {
        String res = s;
        Matcher m = p.matcher(res);
        while(m.find()) {
            res = res.replaceAll(m.group(0), Character.toString((char)Integer.parseInt(m.group(1), 16)));
        }
        return res; 
    }

Bemaerk: utestet.

Det er til at blive sindssyg over...

Hvis jeg har ordet "Dato'" (en malaysisk aeres-titel), har jeg den som Dato’

Hvis jeg koerer din metode paa ordet, bliver den fint nok lavet om til ' igen. Hvis jeg saa URLEncoder med UTF-8 paa ordet bliver det til:

Dato%E2%80%99

Men paa siden, jeg linker til bliver det til:

Dato’

Det vises dog som Dato + et a med circonflex + to firkanter

Hej Arne,

Jeg har testet frem og tilbage og sjovt nok virker noget af encodingen paa nogle af mine venners computer.

Din metode til at Ampersand decode er smuk, mit problem er at min computer aabenbart vaelger et forkert karaktersaet til unicode i visse tilfaelde.

Jeg har testet med:

side1:

<a href="side2.jsp?word=Dato%E2%80%99">LINK</a>

side2:

<%
out.write(request.getParameter("word") + "<br>");
out.write(URLDecoder.decode(request.getQuerystring(), "UTF-8"));
%>

Underligt nok giver det en side som siger:

Dato + mystisk a + firkanter
word=Dato'

Og det samme er resultatet hvis jeg blot skriver:

<a href="side2.jsp?word=Dato'">LINK</a>

Altsaa alting virker hvis jeg URLdecoder querystringen manuelt, men hvis jeg bare tager variablen virker det ikke....

Du er mere end velkommen til at kommentere, men du kan ogsaa smide et svar :)

Jeg har leget lidt med forskellige browsere og forskellige charset.

Nogle kombinationer giver samme fejl som dig andre virker.

????

Hvis jeg får tid til det vil jeg muligvis kigge lidt mere på det.

Her er ihvertfald et svar.

(og du fandt ud af at indsætte det manglende semikolon i regex'en)

Jep, jeg kunne se det stadig var i den decodede version, saa jeg puttede det ind i regexen. Min eneste maade at lave dette sikkert paa alle maskiner (isaer i asien) er at substring(querystring), saa det maa jeg goere... Tak for hjaelpen igen :)