lichd 写道
刚刚看到你对淘宝编码的研究,我个人认为淘宝那个编码可能是Base32规范的演化版,只不过淘宝使用0来代替=做末位填充,RFC 3548 (The Base16, Base32, and Base64 Data Encodings)
对这些都有规范
经过证实，lichd
的观点正确，由于我在本文发表之前，除Base64
之外，其他的BaseXX
都没接触过，所以不知道这个正是Base32
的效果。
不过看官们请放心，本文的思路也和Base32
符合。当时的乱打乱撞，结果造了一个古人已经造好的轮子，实在惭愧。
因此，感谢lichd
的观点，从而稀释了我体内SB细胞的浓度。
回头看了一下本文的一个旧实现（codec.zip
），一年前写得代码太糟糕了，不推荐。
现在提供一个相对不错的实现，>>猛击获取<<
。
--------------------------
--------------------------
--------------------
---------------------
------------------------------------------分割线
--------------------------------------------
--------------------------
--------------------------
--------------------
---------------------
很久之前发现淘宝网的搜索关键字在编码后有点可爱，小写英文字母+数字的组合。
想去研究一下，但是后面好像没了回事似的。。记性不好
然后这两天不知道为什么，突然间抽起条脑筋，跑去研究。。。。
--------------------------开始分割线--------------------------
在淘宝网上用关键字“gembler”搜索一下商品，得出以下URL：
http://search1.taobao.com/browse/0/n-0-----------------g,m5sw2ytmmvza----------------40--commend-0-all-0.htm?at_topsearch=1
（留意上面这里：“m5sw2ytmmvza”
）
经过一轮 天昏地暗、沙尘滚滚
的分析、研究之后，得出以下结论：
在Base64中，码表是由 [A-Z,a-z,0-9,+,/,=(pad)] 组成的。
然后自己也弄个码表，由 [a-z,2-7（这个2-7是在
淘宝网上搜索了n次而得出的结论）
] 组成的：
|
a
|
b
|
c
|
d
|
e
|
f
|
g
|
h
|
i
|
j
|
k
|
l
|
m
|
n
|
o
|
p
|
q
|
r
|
|
0
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
11
|
12
|
13
|
14
|
15
|
16
|
17
|
-------------------------------愚蠢分割线---------------------------------
|
s
|
t
|
u
|
v
|
w
|
x
|
y
|
z
|
2
|
3
|
4
|
5
|
6
|
7
|
|
18
|
19
|
20
|
21
|
22
|
23
|
24
|
25
|
26
|
27
|
28
|
29
|
30
|
31
|
在Base64中，是将二进制连成一串，然后再按6位来分割，分割完后在前面补0，这个地球人都知道，不多说了。
而我呢，哈哈，捣蛋一下，按5位来分割，如果刚好够分，那就爽了，
但是，世事往往不如人意，位数不够，那咋办呢？看下面 ：）
在Base64中，是用"="来解决的吧。
现在呢，就是在前面补0，然后在后面再补0，其实就是前后补0，
但是，
按5位来分
割
，前面3个0是补定的了，后面的0就看上帝怎么安排了。
举个小例子：字符串 "aaa"，(编码/加密)后是 "mfqwc"
|
二进制：
|
01100001
|
01100001
|
01100001
|
|
|
|
转换后：
|
(000
)01100
|
(000
)00101
|
(000
)10000
|
(000
)10110
|
(000
)0001(0
)
|
|
十进制：
|
12 |
5 |
16 |
22 |
2 |
|
码表对应：
|
m |
f |
q |
w |
c |
反过来，(解码/解密)：
|
码表对应：
|
m |
f |
q |
w |
c |
|
十进制：
|
12 |
5 |
16 |
22 |
2 |
|
二进制：
|
00001100
|
00000101
|
00010000
|
00010110
|
00000010
|
|
去掉前3个0后：
|
01100
|
00101
|
10000
|
10110
|
00010
|
|
合并后：
|
0110000101100001011000010
|
然后把合并后的串的长度除一下8，发现多了个0：
|
合并后的
二进制码：
|
01100001
|
01100001
|
01100001
|
0
|
多了就算了，不要了（其实是在{编码/加密}的分割时候，在分剩的余数的后面补的0）。
然后再将 byte[] 转回字符串
OK！又见回"aaa"了。 ：）
*有一点值得注意的是：UTF-8、GBK、GB18030 一般都没什么问题，但是 GB2312 可能字符集不够丰富，繁体字在decode的时候成问号了。
搞了半天，“可视化编辑器”的 Java Code不好使，骨干代码在回帖里贴出................（完整的代码，有兴趣的同志们请见附件！
）
--------------------------结束分割线--------------------------
。。。整理好了，整个人都铺满了灰尘.......
PS：不知道淘宝网的思路是不是这样
（补：另外一篇讨论 - “
拍拍网的搜索关键字的编码与解码
”）
分享到：
相关推荐
在IT行业中，URL编码与解码是网络编程中不可或缺的一部分，尤其在处理包含特殊字符的网址时显得尤为重要。淘宝作为中国最大的电商平台，其URL中可能包含各种参数，这些参数需要进行正确的编码和解码以确保数据传输的...
- Scrapy中间件允许自定义请求和响应的处理逻辑，例如处理反爬策略，设置延时请求以避免被网站封禁，或者实现自定义的编码解码功能。 4. **Item Pipeline**： - 通过Item Pipeline，我们可以对抓取到的数据进行...
2. **编码与解码**：对网页内容进行解码和编码，以便在Python中进行处理。 ### 正则表达式使用 1. **正则匹配**：利用正则表达式来匹配页面中的特定元素，如按钮、文字提示等。 ### 命令行参数解析 1. **getopt...
- 搜索功能：支持关键字搜索，帮助用户快速定位目标商品。 - 多种交易方式：支持线上支付、线下交易等多种交易方式，以适应不同的需求。 3. 技术实现 在终端站方案实施中，系统采用了一些特定的技术设备，如下变频...
1、删除“IP_取外网IP”与 网页_取外网IP()功能重复命令，感谢易友【67564226】反馈。 2、修正“正则元字符转义”子程序，对应个别替换符错误的BUG，感谢易友【@墨雨千寻】反馈。 3、改善“进程_枚举”处理效率，由...