08-11-2012 16:24
Para no crear otro tema. Mini debate respecto codificaciones de carácteres.
Si habeis trabajado en el entorno web sabreis que uno de los problemas más o menos básicos es la codificación del espacio. Dependiendo del lenguaje de programación te lo codifica como "+" o "%20". Es un problema peliagudo, porque el simbolo + es un +...dificulta el reconocimiento de espacios y del caracter +, entre diferentes servidores y diferentes reglas en cuanto la codificación.
Google por ejemplo prefiere convertir los espacios en + supongo que porque hace urls mas cortas.
Vamos, que te puedes encontrar:
" " -> +
"+" ->%2B
o
" " -> %20
"+"-> +
Este es un problema más o menos común... el no tan común es el siguiente:
El carácter "/".
El carácter / es un caracter valido en las urls. Lo que no queda claro, dentro de la desastrosa documentación de w3c, es si es un carácter valido en la zona de parámetros, de una url.
Nos encontramos, pués, que dependiendo del lenguaje y plataforma... se codifica o no. Google prefiere codificarlo, c# prefiere codificarlo. PHP prefiere no codificarlo.
El gran problema viene cuando c#, python, y demases, al hacer cosas por su cuenta, deciden arreglar los errores de codificación en la variable donde sacar el stringarro de parametros... Provocando diferencias sobre la verdadera enrtada cuando haces log de estos parametros.
A partir de aquí, propongo el siguiente problema. No es un caso que se me haya dado, aún, pero he tenido algunos de parecidos. Por tanto es una situación práctica.
Tienes dos hojas de logs. Una del cliente, con las urls que ha atacado, con parametros codificados no sabeis como... y otra del servidor, con los parametros codificados (es el log de una url, no necesita más) según le ha dado a "la inteligencia" del lenguaje en cuestión. Las dos entradas tienen la fecha. En el formato que querais, no os complicaré la existencia con ello.
Por temas de timeout que teneis que estudiar, quereis hacer un estudio respecto las fechas que salen en su log y las que salen en la vuestro. Sacando la media de desviación y las entradas que se desvien mucho. Tened en cuenta que las entradas en los dos logs tienen diferencias por... las diferencias de los parámetros ya explicadas.
También recordadq que esto es internet y la linealidad de las entradas no tiene porque existir. Es un estudio por tanto el uso injustificado de recursos en memoria... poca importancia tiene. Podeis ser bestias. Prima la velocidad: hay muchas entradas.
No se si me he pasado, pero ya me direis que haceis.
A parte de cagaros en los del consorcio w3c
Si habeis trabajado en el entorno web sabreis que uno de los problemas más o menos básicos es la codificación del espacio. Dependiendo del lenguaje de programación te lo codifica como "+" o "%20". Es un problema peliagudo, porque el simbolo + es un +...dificulta el reconocimiento de espacios y del caracter +, entre diferentes servidores y diferentes reglas en cuanto la codificación.
Google por ejemplo prefiere convertir los espacios en + supongo que porque hace urls mas cortas.
Vamos, que te puedes encontrar:
" " -> +
"+" ->%2B
o
" " -> %20
"+"-> +
Este es un problema más o menos común... el no tan común es el siguiente:
El carácter "/".
El carácter / es un caracter valido en las urls. Lo que no queda claro, dentro de la desastrosa documentación de w3c, es si es un carácter valido en la zona de parámetros, de una url.
Nos encontramos, pués, que dependiendo del lenguaje y plataforma... se codifica o no. Google prefiere codificarlo, c# prefiere codificarlo. PHP prefiere no codificarlo.
El gran problema viene cuando c#, python, y demases, al hacer cosas por su cuenta, deciden arreglar los errores de codificación en la variable donde sacar el stringarro de parametros... Provocando diferencias sobre la verdadera enrtada cuando haces log de estos parametros.
A partir de aquí, propongo el siguiente problema. No es un caso que se me haya dado, aún, pero he tenido algunos de parecidos. Por tanto es una situación práctica.
Tienes dos hojas de logs. Una del cliente, con las urls que ha atacado, con parametros codificados no sabeis como... y otra del servidor, con los parametros codificados (es el log de una url, no necesita más) según le ha dado a "la inteligencia" del lenguaje en cuestión. Las dos entradas tienen la fecha. En el formato que querais, no os complicaré la existencia con ello.
Por temas de timeout que teneis que estudiar, quereis hacer un estudio respecto las fechas que salen en su log y las que salen en la vuestro. Sacando la media de desviación y las entradas que se desvien mucho. Tened en cuenta que las entradas en los dos logs tienen diferencias por... las diferencias de los parámetros ya explicadas.
También recordadq que esto es internet y la linealidad de las entradas no tiene porque existir. Es un estudio por tanto el uso injustificado de recursos en memoria... poca importancia tiene. Podeis ser bestias. Prima la velocidad: hay muchas entradas.
No se si me he pasado, pero ya me direis que haceis.
A parte de cagaros en los del consorcio w3c