URL编码的“完全双向”指encode/decode能精确还原任意std::string字节序列（含空字节、非法UTF-8等），需逐字节十六进制编码、严格校验%XX解码并拒绝非法输入。
什么是URL编码的“完全双向”？
所谓完全双向，是指 encode 后的字符串能被 decode 精确还原为原始字节序列（而非仅还原为原始字符串），且对任意 std::string（含空字节、控制字符、非UTF-8字节序列）都成立。C++标准库不提供此能力——std::urlencode 不存在，而 std::regex 或 std::string_view 手动处理容易漏掉 '%' 转义冲突或越界解码。
如何安全实现 encode：逐字节转十六进制 + 百分号转义
URL编码本质是字节级操作，不是字符级。必须避免先用 .c_str() 再调用 C 函数（会截断空字节），也不能依赖 locale 或 UTF-8 解码逻辑（原始字符串可能根本不是合法 UTF-8）。
- 遍历
std::string的每个unsigned char，跳过A-Z、a-z、0-9、'-'、'_'、'.'、'~'（RFC 3986 安全字符） - 其余字节统一格式化为
"%XX"，其中XX是该字节的两位大写十六进制表示（如0x20→"%20"） - 特别注意：空字节
\0必须编码为"%00"，否则后续c_str()或strlen类操作会提前截断
std::string url_encode(const std::string& s) {
std::string out;
out.reserve(s.size() * 3); // 最坏情况：全编码，每字节变3字符
for (unsigned char c : s) {
if ((c >= 'A' && c <= 'Z') || (c >= 'a' && c <= 'z') ||
(c >= '0' && c <= '9') || c == '-' || c == '_' || c == '.' || c == '~') {
out += c;
} else {
out += '%';
out += "0123456789ABCDEF"[c >> 4];
out += "0123456789ABCDEF"[c & 0xF];
}
}
return out;
}
如何可靠实现 decode：严格匹配 %XX 模式 + 拒绝非法输入
url_decode 是更易出错的一端。常见坑包括："%G0" 这类非法十六进制、"%FF%" 结尾不完整、"%00" 解码后引入空字节导致后续 string 操作异常。必须拒绝所有非法输入，不能静默忽略。
- 扫描字符串，遇到
'%'就检查后续两个字符是否均为十六进制数字（0-9、A-F、a-f） - 若任一字符非法，直接返回空
std::string或抛出异常（推荐后者） - 解码结果直接 push_back 到
std::string—— 它天然支持空字节和任意二进制数据 - 不要用
std::stoi(str, nullptr, 16)，它对单字节"FF"可能溢出或接受前导空格；应手动查表或用std::from_chars（C++17）
std::string url_decode(const std::string& s) {
std::string out;
out.reserve(s.size()); // 解码后长度 ≤ 原长
for (size_t i = 0; i < s.size(); ++i) {
if (s[i] == '%' && i + 2 < s.size()) {
auto hex1 = s[i + 1], hex2 = s[i + 2];
int hi = -1, lo = -1;
if (hex1 >= '0' && hex1 <= '9') hi = hex1 - '0';
else if (hex1 >= 'A' && hex1 <= 'F') hi = hex1 - 'A' + 10;
else if (hex1 >= 'a' && hex1 <= 'f') hi = hex1 - 'a' + 10;
if (hex2 >= '0' && hex2 <= '9') lo = hex2 - '0';
else if (hex2 >= 'A' && hex2 <= 'F') lo = hex2 - 'A' + 10;
else if (hex2 >= 'a' && hex2 <= 'f') lo = hex2 - 'a' + 10;
if (hi == -1 || lo == -1) return {}; // 非法十六进制
out += static_cast<char>((hi << 4) | lo);
i += 2;
} else {
out += s[i];
}
}
return out;
}
为什么不能直接用第三方库（如 Boost.URL）？
Boost.URL 的 boost::urls::encode 和 boost::urls::decode 默认按 UTF-8 字符处理，且 decode 会将 "%00" 视为错误并返回失败状态 —— 它设计目标是 URI 组件解析，不是通用二进制编码容器。若你传入含 \0 或乱码字节的 std::string，它要么拒绝，要么静默损坏数据。真正需要“完全双向”的场景（如加密 token 序列化、二进制 payload URL 传输），必须自己控制字节流边界。
立即学习“C++免费学习笔记（深入）”；
最常被忽略的是：URL 编码/解码不是文本编解码，它是传输层的字节转义机制。任何试图先转换成 std::u8string 或调用 std::codecvt_utf8 的做法，都会在非 UTF-8 输入上崩溃或产生未定义行为。
