url中有空格等特殊字符及中文字符处理

本文链接：https://blog.csdn.net/fullbug/article/details/80707200

  在做爬虫时，爬下来的书籍的URL地址各式各样，什么情况都有。 

  有的url地址既有中文，又有%20 空格等特殊字符。如 http://www.ishareread.com/book/2018/不成问题的问题%20-%20老舍.mobi 

  如果是在url中有中文需要转码，但转码后会将%号替换成%25，导致url不能访问了。 

  解决的办法，先判断url中是否有中文，如果有中文，则替换特殊字符，再进行转码。 

  代码如下： 

  判断字符串是否含有中文的方法： 

  public static boolean isContainChinese(String str) { 

  Pattern p = Pattern.compile("[\u4e00-\u9fa5]"); 

  Matcher m = p.matcher(str); 

  if (m.find()) { 

  return true; 

}

  return false; 

}

  #先判断是否有中文，然后替换特殊字符，再转码，一般来说英文的url是不需要转码的。 

  if(StringUtil.isContainChinese(ebookDownloadUrl)) 

{

try

{

  ebookDownloadUrl=ebookDownloadUrl.replaceAll("%20", " "); 

  ebookDownloadUrl=UriUtils.encodePath(ebookDownloadUrl, "UTF-8"); 

}

  catch(Exception ex) 

{

  log.error(String.format("解释文件路径失败，URL地址为%s", ebookDownloadUrl), ex); 

}

}

  return "redirect:" +ebookDownloadUrl; 