urlエンコード後の文字コードは何？

質問

$str = "%E3%82%84%E3%81%BE+%E3%81%8B%E3%82%8F";

$str =~ s/%([A-Fa-f0-9][A-Fa-f0-9])/pack("C", hex($1))/eg;
こうやってurlエンコードすると、以下のようになります。

「やま+かわ」

1.この「やま+かわ」というのは文字コードは何なんでしょうか？

2.Jcode.pmなどのライブラリを使わずに、utf-8で統一したCGIを書きたいのですが、この文字列をどうすればいいでしょうか。コツを教えてください。

3.あと、+を半角スペースに置換する以外に
なにか特別なルールはありますか？

4.参考になるWebページがあれば教えてください。

回答No.2

wildmole · ベストアンサー

デコードして得られる文字列の文字コードは、エンコード前の文字列の文字コードです。
入力データがSJISならSJIS、EUC-JPならEUC-JPです。
従って、他に入力データの文字コードを指定するヒントがないのなら、Jcodeなどで行っているように、文字データから文字コードを「推定」する必要があります。
Jcode.pmを使いたくない理由が不明ですが、Jcodeを使わないのであれば、当然ながら文字コードの自動判定、UTF-8への変換ロジックを自力で実装する必要があります。
外部プログラムを使用してよいならnkfなどを呼び出すのもよいでしょう。

お礼

ありがとうございます。

たいへんに納得です。

回答No.1

fmoon_yoshi

うろ覚えな回答で申し訳ございません。
先ず
>urlエンコードすると
　と有りますが貴方がやってらっしゃるのは
デコードではないでしょうか？

　つまり逆に2の答えがデータをエンコードすれば
いいという答えになると思います。
　unpackという関数がありますのでそれを
使われては如何でしょうか？
　下記に参考となるＵＲＬを付けておきます。

　上下いたしましたが１については基本的に
２バイト文字はsjisでデータは出てくると思います。
　但し、何処かで文字コードを指定していると話は
変わりますが…。

参考URL：

http://www.mikeneko.ne.jp/~lab/perl/numerical_transform/

お礼

ありがとうございまーす。