前端链接地址中‘+‘被编码为%20(本为%2B)问题

当项目需要,有些统一认证/单点登录登录成功后,会给我们的登录地址后面加上认证参数,需要我们提取这个参数去做登录处理。

因为业务发生在内网机无法截图,下图借图其他博主。

 此时经过浏览器访问时,链接中特殊字符“+”被转义会被为%20。

按照w3c转码标准,空格应该被转译成%20,+号被转义成%2B。

因为业务发生在内网机无法截图,下图 借图 其他博主。

 我们会发现利用 decodeURIComponent解码时,%20会被我们解码成' '(空格),从而导致解密失败,提取不到我们想要的参数;

解决办法:

将拿到的地址链接中的%20全部替换成'+',然后进行decodeURIComponent解码;

//从浏览器url地址提取?后面的参数,结果为 data。
        let data = {};
        let src = window.location.search
        let index = src.indexOf("?");
        let dataStr = src.substring(src.indexOf("?") + 1);
        let dataArray = dataStr.split("&");
        for (let i = 0; i < dataArray.length; i++) {
          let param = dataArray[i].split("=");
          data[param[0]] = param[1];
        }
        console.log('登录成功后返回的原参数', data)

        // 修复浏览器url个别转码出错问题。
        const strData1 = data.SSIAuth.replace(/%20/g, "%2B")
        //由于url中返回参数的 +号被转义成 %20,其实应该是 %2B,后台再次反转义 %20会转成 空格
        const strData2 = data.SSISign.replace(/%20/g, "%2B")
        //由于url中返回参数的 +号被转义成 %20,其实应该是 %2B,后台再次反转义 %20会转成 空格

(如有更好的解决办法还请多多指教)

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 根据哈夫曼编码的原理,出现频率越高的字符,其对应的编码长度越短。因此,我们可以先将出现频率从小到大排序,得到{d, e, b, a, c}对应的频率为{1, 1, 2, 3, 5}。 接下来,我们可以构建哈夫曼树,将频率较小的字符作为叶子节点,频率较大的字符作为非叶子节点。具体构建过程如下: 1. 将所有字符节点按照频率从小到大排序,得到节点集合{d, e, b, a, c}。 2. 从节点集合选取频率最小的两个节点,将它们合并成一个新的节点,其频率为两个节点的频率之和。将新节点加入节点集合。 3. 重复步骤2,直到节点集合只剩下一个节点,即为哈夫曼树的根节点。 构建出的哈夫曼树如下图所示: ``` 13 / \ 6 7 / \ / \ 3 3 2 5 / \ 1 2 ``` 根据哈夫曼编码的规则,从根节点开始,向左走为,向右走为1,得到每个字符对应的编码: d: 00 e: 01 b: 10 a: 110 c: 111 因此,原始文本的每个字符所占的位数为: d: 1位 e: 1位 b: 2位 a: 3位 c: 3位 将每个字符所占的位数相加,得到文本所占的总位数为: 1 x 1 + 1 x 1 + 2 x 2 + 3 x 3 + 3 x 5 = 28 由于每个字节占8位,因此文本所占的字节数为: 28 / 8 = 3.5 即文本所占字节数为3或4,具体取决于编码的实现方式。 ### 回答2: 哈夫曼编码是一种基于字符频率的编码方法,旨在使文本所占字节数最小。因此,我们可以利用给定频率计算出相应的哈夫曼编码,从而得出文本所占字节数。 首先,我们需要按照字符频率构建出哈夫曼树。步骤如下: 1. 将所有字符以及其出现频率作为叶子节点,构建出一棵树; 2. 每次选择两个权值最小的节点,将它们合并为一个新的节点,并以合并后的节点作为子节点继续构建树,直到所有节点都被合并为一棵树; 3. 在构建过程,左子树编码为0,右子树编码为1。 根据上面的步骤,我们可以构建得到下面的哈夫曼树: ``` [16] / \ / \ / \ [11] [5] / \ / \ [5] [6] [2] [3] ``` 其,每个节点的值代表它子树所有叶子节点的频率之和。例如,左下角的节点[5]表示字符d和e的出现频率之和。 接下来,我们可以根据哈夫曼树构建出字符的编码。从根节点开始,每次遇到左子树加'0',遇到右子树加'1',最终得到每个字符的编码: ``` a: 0 b: 10 c: 11 d: 100 e: 101 ``` 可以看到,出现频率较高的字符编码较短,而出现频率较低的字符编码较长,这正是哈夫曼编码的优点所在。 最后,我们可以通过将每个字符的编码拼接起来计算文本所占字节数。按照上面的编码结果,如果原文本为"acccbbaacdec",经过哈夫曼编码后所占字节数为: ``` a: 0 c: 11 c: 11 c: 11 b: 10 b: 10 a: 0 a: 0 c: 11 d: 100 e: 101 c: 11 ``` 将上面的编码拼接起来得到: ``` 0111110001011000110 ``` 这个二进制串共有19位,也就是2.375个字节。因此,经过哈夫曼编码后,文本所占字节数为2. ### 回答3: 哈夫曼编码是一种将字符转换为不同长度二进制码的编码方法,以达到压缩文件的目的。在给定字符出现频率的情况下,哈夫曼编码可以用来生成最小位数的编码。 首先,按照出现频率从小到大将字符排列:d,e,b,a,c。对于相邻的两个字符,将它们的频率相加,得到新的频率,然后重新排序。重复这个过程,直到只剩下一个频率。这个过程被称为“哈夫曼树的构建”。 构建完成后,每一个字符就有了一颗唯一的二叉树,其每一个左孩子子结点表示一个“0”,每一个右孩子子结点表示一个“1”。对于文本的每个字符,从哈夫曼树的根节点出发,按照二进制码的规则遍历找到对应的叶子结点,记录下该字符的哈夫曼编码。最终,将所有字符的哈夫曼编码拼在一起,就得到了整个文本的压缩后的代码。 根据出现频率{3, 2, 5, 1, 1}构建哈夫曼树可以得到如下结构: 12 / \ 5 7 / \ / \ d e b ac / \ a c 其每个字符对应的哈夫曼编码为: a:111 b:01 c:00 d:110 e:10 因此,原文本所占字节数为: 3*3+2*2+5*2+1*3+1*3=26 经过哈夫曼编码后所占字节数为: 3*1+2*2+5*2+1*3+1*3=22 可以看出,相比原文本的26个字节,经过哈夫曼编码后所占字节数已经得到一定的压缩。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值