标点符(钱魏 Way)

搜索引擎来源关键词解析乱码解决方案

由于计算机无法做到类似人类一样的感知,即一眼就知道这个是乱码,但是这是不是说明乱码无法解决了?公司开发的统计工具中,涉及关键词编码解析部分,先前采用的是按规则去处理来自不同搜索引擎的编码。具体使用到的规则如下:

上述规则应该是收集的很全了,但是即使采用上述的规则去解析关键词,还是存在着一些乱码。由于涉及到的数据量比较大,且乱码的比例不能通过程序去统计,所以这是个让人非常头痛的问题。在经过几天的方案寻找中,终于获得了解决方案:

通过Python的异常机制去判断URL中关键词的编码,但是好像此方法仅是Python上支持,C#中根本不抛异常。以下为使用.NET的其他处理方案:

另外的思路(代码使用的是JAVA):

如果你有好的方法,请告诉我,谢谢!

码字很辛苦,转载请注明来自标点符《搜索引擎来源关键词解析乱码解决方案》

评论