解码 URL 中的变音符号（或复合编码与预组合编码）
Decoding umlauts in URLs (or composite vs precomposed encoding)
我的应用程序处理 URL 秒。
一个例子如下：
https://127.0.0.1/Datei_Verz._Änderung.gif
浏览器发送的是：
https://127.0.0.1/Datei_Verz._%C3%84nderung.gif
当它未转义时（使用 AtlUnescapeUrl），%C3 和 %84 被视为不同的字符，所以我最终得到：
https://127.0.0.1/Datei_Verz._Änderung.gif
因此 unescape 无法识别浏览器发送的是复合字符而不是预组合字符（使用 MSDN 中的解释）。
理想情况下，浏览器会用单个 Unicode 代码点拉丁大写字母 A WITH DIAERESIS (U+00C4) 表示 Ä 我认为在 URL.
中可能是 %00C4
那么如何解码初始 URL？
这与 Unicode 规范化无关（预组合字符与分解字符序列）。只是字节编码错误的情况。
Ideally the browser would have represented Ä by the single Unicode code point LATIN CAPITAL LETTER A WITH DIAERESIS (U+00C4) which I assume could have been %00C4 in the URL.
不是：URL-编码是一种基于字节的编码； %-escapes 严格来说是两位数字（一个字节），因此 %00C4 将是一个零字节，后跟文字字符 C4.
没有用一个转义序列覆盖一个代码点的 % 编码。 Unicode URL 组件在转义为 %nn 序列之前必须编码为字节。
%C4 将是基于 ISO-8859-1 或代码页 1252 的网络应用程序 Ä 的编码，但大多数网络应用程序今天使用的编码（并且由IRI 标准）是 UTF-8。 %C3%84 是 Ä 在 UTF-8 中的正确编码。
不幸的是，在 IRI 出现之前，ATL 是一个可悲的旧库。当它看到非 ASCII 转义序列时，它会使用您机器的特定于区域设置的默认 (ANSI) 代码页将它们解码为 Unicode，这绝不是 UTF-8。对于西欧 Windows 安装，您将获得代码页 1252，其中 %C3%84 表示两个字符 Ä.
（这可能是一个错误。在 atlutil.h 的版本中，我必须提交前面的评论，说使用什么编码并不重要，因为没有非 ASCII 字符，对于上面 AtlEscapeUrl 中的代码是正确的，它是不小心复制粘贴的，但对于 AtlUnescapeUrl 完全不是这样。这似乎意味着 ATL escape 和 unescape 函数不使用相同的编码，所以不要往返...哎呀。）
要解决这个问题，您可以自己处理 Unicode 位。不是调用 AtlUnescapeUrl 的 Unicode (LPWSTR) 版本，而是使用 UTF-8 编码 (MultiByteToWideChar CP_UTF8) 将输入的 Unicode 字符串转换为字节字符串，然后调用字节 (LPSTR) ) 版本的 AtlUnescapeUrl 在字节串上，并再次解码 (WideCharToMultiByte CP_UTF8).
或者选择另一个损坏较少的 URL-处理库。
我的应用程序处理 URL 秒。
一个例子如下：
https://127.0.0.1/Datei_Verz._Änderung.gif
浏览器发送的是：
https://127.0.0.1/Datei_Verz._%C3%84nderung.gif
当它未转义时（使用 AtlUnescapeUrl），%C3 和 %84 被视为不同的字符，所以我最终得到：
https://127.0.0.1/Datei_Verz._Änderung.gif
因此 unescape 无法识别浏览器发送的是复合字符而不是预组合字符（使用 MSDN 中的解释）。
理想情况下，浏览器会用单个 Unicode 代码点拉丁大写字母 A WITH DIAERESIS (U+00C4) 表示 Ä 我认为在 URL.
中可能是 %00C4那么如何解码初始 URL？
这与 Unicode 规范化无关（预组合字符与分解字符序列）。只是字节编码错误的情况。
Ideally the browser would have represented Ä by the single Unicode code point LATIN CAPITAL LETTER A WITH DIAERESIS (U+00C4) which I assume could have been %00C4 in the URL.
不是：URL-编码是一种基于字节的编码； %-escapes 严格来说是两位数字（一个字节），因此 %00C4 将是一个零字节，后跟文字字符 C4.
没有用一个转义序列覆盖一个代码点的 % 编码。 Unicode URL 组件在转义为 %nn 序列之前必须编码为字节。
%C4 将是基于 ISO-8859-1 或代码页 1252 的网络应用程序 Ä 的编码，但大多数网络应用程序今天使用的编码（并且由IRI 标准）是 UTF-8。 %C3%84 是 Ä 在 UTF-8 中的正确编码。
不幸的是，在 IRI 出现之前，ATL 是一个可悲的旧库。当它看到非 ASCII 转义序列时，它会使用您机器的特定于区域设置的默认 (ANSI) 代码页将它们解码为 Unicode，这绝不是 UTF-8。对于西欧 Windows 安装，您将获得代码页 1252，其中 %C3%84 表示两个字符 Ä.
（这可能是一个错误。在 atlutil.h 的版本中，我必须提交前面的评论，说使用什么编码并不重要，因为没有非 ASCII 字符，对于上面 AtlEscapeUrl 中的代码是正确的，它是不小心复制粘贴的，但对于 AtlUnescapeUrl 完全不是这样。这似乎意味着 ATL escape 和 unescape 函数不使用相同的编码，所以不要往返...哎呀。）
要解决这个问题，您可以自己处理 Unicode 位。不是调用 AtlUnescapeUrl 的 Unicode (LPWSTR) 版本，而是使用 UTF-8 编码 (MultiByteToWideChar CP_UTF8) 将输入的 Unicode 字符串转换为字节字符串，然后调用字节 (LPSTR) ) 版本的 AtlUnescapeUrl 在字节串上，并再次解码 (WideCharToMultiByte CP_UTF8).
或者选择另一个损坏较少的 URL-处理库。