URL 化：使用十六进制等效项将字母序列转换为安全的 URL。

这是我的第 155 篇专栏文章。这意味着我一直在为 Linux Journal 写作

$ echo "155/12" | bc
12

不，等等，那不对。让我们再试一次

$ echo "scale=2;155/12" | bc
12.91

是的，这么多年了。在 Linux 环境中编写关于 shell 脚本和轻量级编程的文章已经将近 13 年了。我涵盖了很多领域，但我想回到一些相当基础的东西，谈谈文件名和 Web。

过去，如果文件名中包含空格，就会发生糟糕的事情：“my mom's cookies.html”是灾难的根源，而不是美味的饼干——嗯，也不是那些 Web cookies！

然而，随着 Web 的发展，特殊字符的编码成为常态，每个 Web 浏览器都必须能够管理它，无论好坏。因此，空格变成了“+”或 %20 序列，所有不是常规字母数字字符的东西都被其十六进制 ASCII 等效项替换。

换句话说，“my mom's cookies.html”变成了“my+mom%27s+cookies.html”或“my%20mom%27s%20cookies.html”。许多符号也获得了第二生命，因此“&”、“=”和“？”都有了自己的含义，这意味着如果它们是原始文件名的一部分，也需要保护它们。如果你的原始文件名中包含“%”呢？啊，是的，编码事物的递归性质……。

因此，纯粹作为脚本编写练习，让我们编写一个脚本，将您交给它的任何字符串转换为“Web 安全”序列。在开始之前，先拿出一张纸，记下您将如何解决它。

我的策略将很简单：将字符串分解为单个字符，分析每个字符以识别它是否是字母数字字符，如果不是，则将其转换为十六进制 ASCII 等效项，并在必要时在其前面加上“%”。

有很多方法可以将字符串分解为单个字母，但让我们使用 Bash 字符串变量操作，回忆一下 ${#var} 返回变量 $var 中的字符数，而 ${var:x:1} 将仅返回 $var 中位置 x 的字母。快点，索引是从零还是从一开始？

这是我将 $original 分解为其组成字母的初始循环

input="$*"

echo $input

for (( counter=0 ; counter < ${#input} ; counter++ ))
do
   echo "counter = $counter -- ${input:$counter:1}"
done

回想一下，$* 是调用命令行中除命令名称本身之外的所有内容的快捷方式——一种让用户懒得引用参数的方法。它没有解决特殊字符的问题，但这就是引号的用途，对吧？

让我们用来自命令行的一些输入来试用一下这个片段脚本

$ sh normalize.sh "li nux?"
li nux?
counter = 0 -- l
counter = 1 -- i
counter = 2 --
counter = 3 -- n
counter = 4 -- u
counter = 5 -- x
counter = 6 -- ?

脚本中显然有一些调试代码，但通常最好保留它，直到您确定它按预期工作为止。

现在是时候区分 URL 中可接受的字符和不可接受的字符了。将字符转换为十六进制序列有点棘手，所以我使用了一系列相当晦涩的命令。让我们从命令行开始

$ echo '~' | xxd -ps -c1 | head -1
7e

现在，问题是“~”实际上是否是十六进制 ASCII 序列 7e。快速浏览 http://www.asciitable.com 证实，是的，7e 确实是波浪号的 ASCII 码。在该代码前加上百分号，转换的艰巨任务就完成了。

但是，您如何知道哪些字符可以直接使用？由于 ASCII 表的组织方式很奇怪，这将是三个范围：0-9 在表的某个区域，然后 A-Z 在第二个区域，a-z 在第三个区域。这是无法避免的，这就是三个范围测试。

在 Bash 中也有一个非常酷的方法来做到这一点

if [[ "$char" =~ [a-z] ]]

这里发生的事情是，这实际上是一个正则表达式 (=~) 和一个范围 [a-z] 作为测试。由于我希望在每次测试后执行的操作是相同的，因此现在很容易实现所有三个测试

if [[ "$char" =~ [a-z] ]]; then
  output="$output$char"
elif [[ "$char" =~ [A-Z] ]]; then
  output="$output$char"
elif [[ "$char" =~ [0-9] ]]; then
  output="$output$char"
else

显而易见，$output 字符串变量将被构建为具有所需的值。

还剩下什么？任何不是其他可接受字符的字符的十六进制输出。您已经看到了如何实现这一点

hexchar="$(echo "$char" | xxd -ps -c1 | head -1)"
 output="$output%$hexchar"

快速运行一下

$ sh normalize.sh "li nux?"
li nux? translates to li%20nux%3F

看到问题了吗？如果不将十六进制转换为大写，它看起来会有点奇怪。“nux”是什么？这只是子 shell 调用中的另一个步骤

hexchar="$(echo "$char" | xxd -ps -c1 | head -1 | \
   tr '[a-z]' '[A-Z]')"

现在，经过调整，输出看起来不错

$ sh normalize.sh "li nux?"
li nux? translates to li%20nux%3F

像元音变音或 n 波浪号这样的非 Latin-1 字符呢？让我们看看会发生什么

$ sh normalize.sh "Señor Günter"
Señor Günter translates to Se%C3B1or%200AG%C3BCnter

啊，当涉及到这些双字节字符序列时，脚本中存在一个错误，因为每个特殊字母都应该有两个十六进制字节序列。换句话说，它应该转换为 se%C3%B1or g%C3%BCnter（我恢复了空格，以便更容易理解我在说什么）。

换句话说，这得到了正确的序列，但它缺少一个百分号——%C3B 应该是 %C3%B，而 %C3BC 应该是 %C3%BC。

毫无疑问，问题出在 hexchar 赋值子 shell 语句中

hexchar="$(echo "$char" | xxd -ps -c1 | head -1 | \
   tr '[a-z]' '[A-Z]')"

是 xxd 的 -c1 参数吗？也许吧。我将把识别和修复问题作为留给您，亲爱的读者的练习。在您修复脚本以支持双字节字符的同时，为什么不也用“+”替换“%20”呢？

最后，为了使其尽可能有用，不要忘记在 URL 中也有许多符号是有效的，不需要转换，特别是“- _./!@#=&?” 这一组，因此您需要确保它们不会被十六进制化（这是一个词吗？）。