asp.net2 统一搜索引擎关键字编码[转]

作者:Clear 日期:2007-04-04
引用自:http://www.cnrui.cn/blog/article.asp?id=183

      View二期开发正式启动，一开始就碰到了麻烦事，因为在统计模块中，需要得到来源搜索链接的关键字，所以一开始就用正则把关键字部分匹配出来，然后用自带的 Uri.UnescapeDataString() 将Urlcoding转换为文字。

        本来一切都很顺利，结果将百度，网易搜索加到规则里面，就开始报错了。我猜想可能是和编码有关系，因为Google一向都是UTF-8，国内的网站大多偏向使用GB2312，所以出现这个问题我还不是很担心。

        哪里知道，这个问题的严重性，让我差点对程序算法的研究失去信心。因为今天听到有个人说我胆子好大，居然敢把所有链接的事件给改掉了，万一还有相同事件，那么就会出严重的问题。我一向认为我还是个比较心细的人，在我做那件大胆的事情前，我是仔细地咨询过有没有相同事件存在，在得到肯定的答复后，我才开始做的。代码虽然不多，但是我敢说里面能考虑到的，不能考虑到的错误，我基本已经都做到。

        回到正题，在网上一搜索，发现asp.net这方面的资料真的是太少了，然后看了看ASP和PHP的，发现做法十分复杂，而且还容易出错，甚至还要建一个gb2312到utf-8的编码对照表。

        我坚信微软一定会给出一个完美的解决方案，于是开始查MSDN，从Encoding入手，发现存在转换编码的方法。但是问题又出现了，因为我得到的是URL形式的字符串，现在还不知道这个字符串是属于utf-8的，还是gb2312的，所以不能使用UnescapeDataString转换成文字后再进行转码，因为这样马上会报错。

        于是开始分析gb2312和utf-8的编码原理，发现他们在.net里是存在关联性的，一个是2位编码，一个是三位编码，于是我试者将gb2312的编码进行分解，将每2位作为2个16进制的byte类型放入一个byte数组里面，然后通过正常的转码方式转为utf-8的byte类型，然后放入char里面，最后转成正常文字。

结果马上就揭晓了，居然成功了，然后再接再厉，写了一个搜索引擎类型判断的方法，于是一切就这么给解决。

下面给出代码，希望可以帮到有用的朋友：

程序代码

using System;
using System.Data;
using System.Configuration;
using System.Web;
using System.Web.Security;
using System.Web.UI;
using System.Web.UI.WebControls;
using System.Web.UI.WebControls.WebParts;
using System.Web.UI.HtmlControls;
using System.Text.RegularExpressions;
using System.Text;