IE6下使用JS获取路径中包含汉字的URL的一个问题(转载)

 

IE6下使用JS获取路径中包含汉字的URL的一个问题

作者: oldj | 链接:  http://oldj.net/article/js-href-url-encode-ie6/

上一篇 |  下一篇

　　我们经常需要用 JavaScript 获取网页上某个链接的地址（href 属性），很简单，只需要 a.getAttribute("href") 就行了。一切都很顺利，除了万恶的 IE6。

　　有时候，我们的链接中含有汉字，为了保证链接不会因为编码问题失效，我们先要将汉字转换为 URL 编码的形式。比如，UTF-8 编码的“汉字”将被转为“%E6%B1%89%E5%AD%97”，GBK 编码的“汉字”则是“%BA%BA%D7%D6”。这样，一个形如“http://test.com/news/cartoonlist/d14-td12月义乌最有商机的小商品-p1.html”的链接（其中的汉字为 GBK 编码）将被转为“http://test.com/news/cartoonlist/d14-td12%D4%C2%D2%E5%CE%DA%D7%EE%D3%D0%C9%CC%BB%FA%B5%C4%D0%A1%C9%CC%C6%B7-p1.html”。转换之后，在各大浏览器上访问都很正常，用 js 获取链接的 href 值也很正常，除了在 IE6 下。

　　我们来看一下下面的代码：

1	<!-- 请在 IE6 下测试本段代码 -->

2	<a href="http://test.com/news/cartoonlist/d14-td12%D4%C2%D2%E5%CE%DA%D7%EE%D3%D0%C9%CC%BB%FA%B5%C4%D0%A1%C9%CC%C6%B7-p1.html"onmousedown="test(this)" target="_self">链接1</a>

3

4	<script type="text/javascript">

5	function test(a) {

6	alert(a.getAttribute("href"));

7

}

8

</script>

　　点击链接，在除 IE6 的各大浏览器下表现都和预期的一致，如下图：

　　

　　但在 IE6 下，取得的 href 属性中汉字编码的部分变成了乱码：

　　

　　在 IE6 下，如果要对通过 js 获取 href 属性，只要 href 值的 URL 路径中含有汉字等字符（无论这些字符是用 GBK 编码的还是 UTF-8 编码的）的 URL 编码，都将遇到这样的问题。网上搜索了一番，得知大概是由于 IE6 对编码支持的不完善造成的。另外，这个问题只在 URL 编码出现在 URL 路径而不是参数（即 ? 后面的内容）或书签（即 # 后面的内容）中才会发生。比如，下面的代码中，也有 URL 汉字编码，但这些汉字编码都在参数中，所以不会有这个问题。

1	<!-- 请在 IE6 下测试本段代码 -->

2	<a href="http://test.com/news/cartoonlist/d14-td.html?subject=12%D4%C2%D2%E5%CE%DA%D7%EE%D3%D0%C9%CC%BB%FA%B5%C4%D0%A1%C9%CC%C6%B7&p=1"onmousedown="test(this)" target="_self">链接1</a>

3

4	<script type="text/javascript">

5	function test(a) {

6	alert(a.getAttribute("href"));

7

}

8

</script>

　　鉴于 IE6 在国内还有巨大的份额，我们必须要设法解决或避免这个问题。避免这个问题的方法很简单，只要规定 URL 路径中不要出现这样的汉字编码即可（URL 参数中可以出现）。但如果 URL 路径中已经大量应用汉字编码了，有办法处理吗？网上搜索了一圈无果，看来只能自己处理了。

　　经过测试，注意到只有用 js 获取 href 属性的值时会有这个问题，取别的属性（即使是一个自定义属性的值）都正常。比如：

1	<!-- 请在 IE6 下测试本段代码 -->

2	<a href="http://test.com/news/cartoonlist/d14-td12%D4%C2%D2%E5%CE%DA%D7%EE%D3%D0%C9%CC%BB%FA%B5%C4%D0%A1%C9%CC%C6%B7-p1.html" my-attr="http://test.com/news/cartoonlist/d14-td12%D4%C2%D2%E5%CE%DA%D7%EE%D3%D0%C9%CC%BB%FA%B5%C4%D0%A1%C9%CC%C6%B7-p1.html"onmousedown="test(this)" target="_self">链接1</a>

3

4	<script type="text/javascript">

5	function test(a) {

6	alert(a.getAttribute("href") + "\n" + a.getAttribute("my-attr"));

7

}

8

</script>

　　可以看到，js 获取的 href 属性中有乱码，但自定义属性的值是正常的。

　　这就有了第一个解决办法：服务器端生成 HTML 时，给每个超链接再加一个自定义属性，值和 href 的值一样。客户端 js 要处理 href 时，读取这个自定义属性就行了。

　　但这个方法显然很不靠谱，因为工程太浩大了，而且这个自定义属性对于除 IE6 以外的浏览器来说都是毫无用途的。

　　继续探索，突然想到，这个链接元素的 outerHTML 属性中的 URL 是否正常呢？试了一下，发现 outerHTML 属性是正常的，没有乱码。于是，就有了下面的更好的解决办法：

　　解决方案一：

01	<!-- 请在 IE6 下测试本段代码 -->

02	<a href="http://test.com/news/cartoonlist/d14-td12%D4%C2%D2%E5%CE%DA%D7%EE%D3%D0%C9%CC%BB%FA%B5%C4%D0%A1%C9%CC%C6%B7-p1.html"onmousedown="test(this)" target="_self">链接1</a>

03

04	<script type="text/javascript">

05	function test(a) {

06	alert(a.getAttribute("href")); // IE 6 下有乱码

07

08

var href;

09	if (a.outerHTML &&

10	(href = a.outerHTML.match(/<a [^>]*?href=['"]?(.*?)['"\s]/i)) &&

11	(href = href[1]) != a.getAttribute("href")

12	) a.setAttribute("href", href);

13

14	alert(a.getAttribute("href")); // IE 6 下正常

15

}

16

</script>

　　原理很简单，读取链接 a 的 outerHTML，用正则从中找到 href 的值，这个值就是我们期望的没有乱码的值。注意，上面的代码中我们又把提取到的 href 的值写回了 href 属性，这么做的原因是用 js 写 href 属性后，再次用 js 读取时就是刚才写入的值（即刚才提取的没有乱码的值）。

　　这种方法很简单直观，不过有一个缺点是要读取 outerHTML 的值。另外，@yuyu1911 也总结了另外一种解决办法，我将他的代码稍作整理后，把上面的 test 函数写成如下形式：

　　解决方案二：

01	function test(a) {

02	//alert(a.getAttribute("href")); // IE 6 下有乱码

03

04	var href = a.getAttribute("href");

05

06	if (isIE6()) {

07	// IE 6 下，汉字自动转义后变乱码了，采用 escape 方法对其进行编码能恢复其编码，

08	// 但同时也将 ?:&=# 等字符也进行了编码，所以对这些字符还得进行解码

09	var i = href.search(/[\?#]/);

10	if (i == -1) i = href.length;

11	href = escape(href.substr(0, i)).replace( // 将 ?:&=# 字符进行解码

12	/(%3F|%3A|%26|%3D|%23)/g,

13	function($0, $1) {

14	return unescape($1);

15

}

16	) + href.substr(i);

17

}

18	alert(href);

19

}

20

21	// 判断是否为 IE6

22	function isIE6() {

23

// ...

24	return true;

25

}

　　这个方法的特点是不需要额外地读取 outerHTML 属性的值，同时需要处理的正则也简单一些，我简单测试了一下，它在 IE6 下性能比上面要读取 outerHTML 的方法稍高一些。这个方法的不足是需要判断浏览器是否为 IE6，因为在其它浏览器下，上面的处理过程会将正常的 URL 编码再编码一次。另外，上面的 isIE6 函数我故意留空了，因为判断浏览器版本的方法通常在大家常用的框架或库中已经有了，这儿我就不再重复实现了。

　　这样，在各大主流浏览器中，我们都能顺利地用 js 取得链接的 href 值了，即使 URL 路径中有经过 URL 编码的汉字。

　　--------------------------------------------------

　　上面的内容写好后，经 @wljray 提醒，注意到在 IE 下，node.getAttribute 有一点不同，它可以有两个参数，具体见这儿。具体到这个问题，通过 getAttribute 取链接的 href 属性时，可以传两个参数，如下：

1	a.getAttribute("href", iFlags);

　　其中 iFlags 的值可以为 0、1、2、4。测试如下：

01	<!-- 请在 IE6 下测试本段代码 -->

02	<a href="/news/d14-td12%D4%C2%D2%E5%CE%DA%D7%EE%D3%D0%C9%CC-p1.html"onmousedown="test(this)" target="_self">链接1</a>

03

04	<script type="text/javascript">

05	function test(a) {

06	var v = [0, 1, 2, 4], i, s = "", iFlags;

07	for (i = 0; i < v.length; i ++) {

08	iFlags = v[i];

09	s += "iFlags = " + iFlags + "\nhref  = '"

10	+ a.getAttribute("href", iFlags) + "'\n\n";

11

}

12

alert(s);

13

}

14

</script>

　　注意上面的代码中，我们的 href 写的是相对路径。测试结果如下，一图胜千言：

　　

　　可以看到，iFlags 为 0 或 1 时，就是默认情况，有乱码，返回的是绝对路径；iFlags 为 2 时，没有乱码，返回相对路径；iFlags 为 4 时，没有乱码，返回绝对路径。

　　另外，getAttribute 的第二个参数在其它浏览器中都会被安全地忽略掉，所以，综合起来，本文开头提出来的问题的最佳解决方案如下。

　　最终解决方案：

1	function test(a) {

2	return a.getAttribute("href", 2); // 搞定

3

}

　　这样，getAttribute 在各大浏览器（包括 IE6）中就都有一致的表现了。绕了一大圈，尝试了各种方法，没想到最后最佳的解决方案居然是浏览器本来就支持的。但 IE 这个属性太不常用了，我今天还是第一次知道，再次感谢告诉我这个属性的 @wljray。:-)