这次主要说 baigoogledu_head.htm 这个页面,也就是搜索框架页中的头页面部分。功能很明确——显示我的首页链接,搜索页面链接,单独搜索百度、Google的链接,搜索表单和分页。搜索表单部分和首页一样,都是一个 get 方式的 form,单独的搜索链接和框架页中设置两个框架的 src 属性一样,分页只是增加一个上一页下一页和显示第几页,后来又增加了一个正负10页的下拉列表分页,这些都很简单,就不再赘述了,稍后看 javascript 代码就可以了。
这里遇到的一个大难题是怎样把以 utf-8 编码方式传递到本页的搜索关键词转换成中文或特殊符号等,因为 javascript 中的 decodeURI 函数兼容性较差,而 escape 和 unescape 支持的是 ucs + ascii 这种组合,因此需要把 utf-8 转换成 ucs。
首先说下 utf-8 和 ucs 之间的区别吧,ucs 是通用字符集 (Universal Character Set) 的缩写,它使用 31 位来编码一个字符,即从 0x00000000 到 0x7fffffff,长度为定长 4 字节,因此使用 escape 编码中文后得到是类似 %uXXXX 这样的形式,XXXX 即为 ucs 的 4 字节编码,而编码英文特殊符号则使用 ascii 的编码方式,即 %XX ,XX 即为 ascii 码 (事实上 utf-8 编码 ascii 字符也是这样,下面会详细说明)。而 utf-8,即 UCS Transformation Form - 8,是目前较为流行的 unicode 编码,这种编码实际上是变长的,因为在某些情况下,ucs 编码的 0x00 表示为 ascii 中的 nul,即 '\0',而这在 C 语言中代表的是字符串的结束,因此需要对 C 语言做重要的改变才能使用,而 utf-8 编码则没有问题。
通常 unicode 字符用 u+xxxx 这种形式来表示,xxxx 为十六进制,代表这个字符的 unicode 码,首先看下下面这个表:
u+00000000 - u+0000007f = 0xxxxxxx
u+00000080 - u+000007ff = 110xxxxx 10xxxxxx
u+00000800 - u+0000ffff = 1110xxxx 10xxxxxx 10xxxxxx
u+00010000 - u+001fffff = 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
u+00200000 - u+03ffffff = 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
u+04000000 - u+7fffffff = 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
其中的 x 由字符编码数的二进制来填充,只用最短的那个足够表达一个字符编码数的多字节串,在多字节串中,第一个字节的开头 1 的数目就是整个串中字节的数目。就已编码字符数来看,目前仅仅使用了 16 位,故目前最长仅为 3 字节,实际上最长可以用 6 字节来编码 31 位,而且对于 0x00 到 0x7f 范围内的 ascii 字符,utf-8 编码和 ascii 编码实际上是一样的,因此在 ascii 系统里 utf-8 可以兼容 ascii。而对于大于 1 字节的情况,所有字节均为 1 开头,即 0x80 到 0xff 的范围,因此可以很方便的与 1 字节的情况区分开。
例如:符号 @ 的 ascii 码为 0x40,二进制码为 0100000,则 utf-8 的二进制码也为 01000000,即 0x40;“田嵩”的 ucs 码为 0x75 0x30 和 0x5d 0x69,二进制为 01110101 00110000 和 01011101 01101001,因为是 16 位,故需要 3 个字节来表示,utf-8 的二进制码为 11100111 10010100 10110000 和 11100101 10110101 10101001 ,即 0xe7 0x94 0xb0 和 0xe5 0xb5 0xa9,因此使用 utf-8 来编码 url 时即为 %E7%94%B0%E5%B5%A9。
现在我们关心的,是怎样将 url 传递来的 %E7%94%B0%E5%B5%A9+hust 这样的字符串转化为 %u7530%u5D69%20hust 进而用 unescape 转化为 田嵩 hust (中间有一个空格)。首先读取字符串,因为 % 永远是作为 url 编码的标识符存在 (单独的 % 被编码为 %25),因此当检测到 % 后,继续检测其后面的 2 个字符,并转化为二进制码,如果首位为 0 则直接返回 % 加这 2 个字符,否则根据前面 1 的个数连续读取多组,然后转化为 ucs 编码并在前面加上 %u 返回。相关函数如下:
// 为方便十六进制和十进制的转换而设
function b2h(b) {
// 2 进制字符串转十六进制字符串
var r = '' ;
var t = 0 ;
for ( var i = 0 ; i < b.length; i ++ ) {
t = t * 2 + (b.charAt(i) == ' 0 ' ? 0 : 1 );
// 每次扫描后,将 t 乘以 2,然后加上本位,这样,对于 0110 在每次扫描后 t 的值分别为 0,0*2+1=1,1*2+1=3,3*2+0=6
if (i % 4 == 3 ) {
r += cc.charAt(t);
t = 0 ;
// 读取完 4 个字节后将数字转化为十六进制字符加到结果的后面,并将 t 置 0
}
}
return r;
}
function h2b(h) {
// 16 进制字符串转二进制字符串
h = h.toLowerCase();
var r = '' ;
for ( var i = 0 ; i < h.length; i ++ ) {
var t = cc.indexOf(h.charAt(i));
// 将十六进制字符转化为数字
r += ((t & 8 ) == 0 ? ' 0 ' : ' 1 ' ) + ((t & 4 ) == 0 ? ' 0 ' : ' 1 ' ) + ((t & 2 ) == 0 ? ' 0 ' : ' 1 ' ) + ((t & 1 ) == 0 ? ' 0 ' : ' 1 ' );
// 根据按位“与”的结果得出 4 位二进制数的值,例如 6 的二进制为 0110,其与8、4、2、1 (1000、0100、0010、0001)的按位“与”结果为 0、4、2、0,因此根据是否为 0 得出 0110
}
return r;
}
function t(s) {
var r = '' ;
var si = 0 ;
while (si < s.length) {
// 扫描字符串,si 为当前字符指针
if (s.charAt(si) == ' % ' ) {
// 扫描到 % 符号
var utfh = s.charAt(si + 1 ) + s.charAt(si + 2 );
si += 3 ;
var utfb = h2b(utfh);
// 将接下来的 2 个字节读入并转化为二进制字符串,同时指针移动到这 2 个字节之后,即移动 3 个字节
var c = 0 ;
for ( var j = 0 ; j < utfb.length; j ++ ) {
if (utfb.charAt(j) == ' 0 ' )
break ;
c ++ ;
}
// 判断二进制字符串首 1 的个数
if (c == 0 ) {
r += ' % ' + utfh;
continue ;
// 1 的个数为 0,说明是 ascii 字符,直接加到结果后面,并继续下一扫描
}
var ucsb = '' ;
for ( var j = c + 1 ; j < 8 ; j ++ )
ucsb += utfb.charAt(j);
// 滤掉前缀将二进制字符写入另一变量,如 1110,c = 3,则从第 4 位开始到第 7 位
for ( var i = 1 ; i < c; i ++ ) {
utfh = s.charAt(si + 1 ) + s.charAt(si + 2 );
si += 3 ;
utfb = h2b(utfh);
for ( var j = 2 ; j < 8 ; j ++ )
ucsb += utfb.charAt(j);
// 根据 1 的个数继续读入后续分组,并用相同方法写入二进制字符,因后续分组均为 10xxxxxx,故从固定的第 2 位开始到第 7 位
}
r += ' %u ' + b2h(ucsb);
// 转化为十六进制字符串并在前面加上 %u 后加到结果后面
continue ;
}
r += s.charAt(si) == ' + ' ? ' %20 ' : s.charAt(si);
// 扫描到不是 %,判断如果是 + (空格的 url 编码形式) 则加上 %20 (空格的 escape 结果) 到结果后面,否则加上该字符本身到结果后面
si ++ ;
}
return r;
}
调用的时候就很简单了,直接使用 wi.value = unescape(t(w)),其中 wi 为关键字文本框,w 为从 url 中获取的已编码搜索关键字。本页面所有脚本如下:
function b2h(b) {
var r = '' ;
var t = 0 ;
for ( var i = 0 ; i < b.length; i ++ ) {
t = t * 2 + (b.charAt(i) == ' 0 ' ? 0 : 1 );
if (i % 4 == 3 ) {
r += cc.charAt(t);
t = 0 ;
}
}
return r;
}
function h2b(h) {
h = h.toLowerCase();
var r = '' ;
for ( var i = 0 ; i < h.length; i ++ ) {
var t = cc.indexOf(h.charAt(i));
r += ((t & 8 ) == 0 ? ' 0 ' : ' 1 ' ) + ((t & 4 ) == 0 ? ' 0 ' : ' 1 ' ) + ((t & 2 ) == 0 ? ' 0 ' : ' 1 ' ) + ((t & 1 ) == 0 ? ' 0 ' : ' 1 ' );
}
return r;
}
function t(s) {
var r = '' ;
var si = 0 ;
while (si < s.length) {
if (s.charAt(si) == ' % ' ) {
var utfh = s.charAt(si + 1 ) + s.charAt(si + 2 );
si += 3 ;
var utfb = h2b(utfh);
var c = 0 ;
for ( var j = 0 ; j < utfb.length; j ++ ) {
if (utfb.charAt(j) == ' 0 ' )
break ;
c ++ ;
}
if (c == 0 ) {
r += ' % ' + utfh;
continue ;
}
var ucsb = '' ;
for ( var j = c + 1 ; j < 8 ; j ++ )
ucsb += utfb.charAt(j);
for ( var i = 1 ; i < c; i ++ ) {
utfh = s.charAt(si + 1 ) + s.charAt(si + 2 );
si += 3 ;
utfb = h2b(utfh);
for ( var j = 2 ; j < 8 ; j ++ )
ucsb += utfb.charAt(j);
}
r += ' %u ' + b2h(ucsb);
continue ;
}
r += s.charAt(si) == ' + ' ? ' %20 ' : s.charAt(si);
si ++ ;
}
return r;
}
window.onload = function () {
var url = document.location.toString().split( ' ? ' );
var w = '' , p = 1 ;
if (url.length == 2 ) {
url = url[ 1 ].split( ' & ' );
w = url[ 0 ].substring( 2 );
if (url.length == 2 )
p = parseInt(url[ 1 ].substring( 2 ));
}
var baidu = document.getElementById( ' baidu ' );
var google = document.getElementById( ' google ' );
var wi = document.getElementById( ' w ' );
var pp = document.getElementById( ' pp ' );
var ps = document.getElementById( ' ps ' );
var np = document.getElementById( ' np ' );
var pl = document.getElementById( ' pl ' );
wi.value = unescape(t(w));
ps.innerHTML = ' 第 ' + p.toString() + ' 页 ' ;
if (p > 1 ) {
pp.style.display = '' ;
pp.href = ' baigoogledu_search.htm?w= ' + w + ' &p= ' + (p - 1 ).toString();
}
np.href = ' baigoogledu_search.htm?w= ' + w + ' &p= ' + (p + 1 ).toString();
var start = 1 , end = p + 10 ;
if (p - 10 > start)
start = p - 10 ;
for ( var i = start; i <= end; i ++ ) {
var opt = document.createElement( ' option ' );
opt.label = i.toString();
opt.value = i.toString();
opt.selected = p == i;
pl.appendChild(opt);
}
p = (p - 1 ) * 10 ;
google.href = ' http://www.google.cn/search?q= ' + w + ' &start= ' + p.toString();
baidu.href = ' http://www.baidu.com/s?ie=utf-8&wd= ' + w + ' &pn= ' + p.toString();
}
至此算是把所有内容都说完了。其实还是最后的 ucs 和 utf-8 转换最为麻烦,耗费的时间也最多。