一般情況下通過關鍵詞進入的頁面都是用戶想要的內容，對於某些搜索搜錄與關鍵詞相關度不是很高的頁面（例如列表頁），我們需要根據用戶搜索的關鍵詞對用戶進行引導，從而提高用戶的體驗，也可以提高網頁的PV。
本文的原理是通過獲取來源頁面，分析來源URL的結構，提取出關鍵字，這些都是比較簡單的東西。本文闡述重點是如何區分出幾種常見的URL編碼方式，然後進行相應的解碼。因爲應用是在ASP中進行，因此本文若有代碼相關的例子，均是在ASP下調試通過的。其他語言下思想相同，且實現相對簡單些。
提取各個搜索引擎的關鍵字
現在的各大搜索引擎全是基於GET請求方式的，即在URL後面帶有一串參數。例如：我搜索“秋寒博客”
谷歌：http://www.google.cn/search?sourceid=navclient&hl=zh-CN&ie=UTF-8&rlz=1T4GGLL_zh-CN___CN352&q=%e7%a7%8b%e5%af%92%e5%8d%9a%e5%ae%a2
百度：http://www.baidu.com/s?wd=%C7%EF%BA%AE%B2%A9%BF%CD
必應：http://cn.bing.com/search?q=%E7%A7%8B%E5%AF%92%E5%8D%9A%E5%AE%A2&form=QBLH&filt=all
谷歌和Google的 q=%e7%a7%8b%e5%af%92%e5%8d%9a%e5%ae%a2 ，百度的 wd=%C7%EF%BA%AE%B2%A9%BF%CD ，必應的 q=%E7%A7%8B%E5%AF%92%E5%8D%9A%E5%AE%A2 中帶下劃線部分就是關鍵詞。 其他搜索引擎也大致相同，通過URL就可以看出關鍵詞的字段是哪個，然後可以通過正則將關鍵詞提出。
提取主流搜索關鍵詞的正則如下：
(?:yahoo.+?[\?|&]p=|openfind.+?query=|google.+?q=|lycos.+?query=|onseek.+?keyword=|search\.tom.+?word=|search\.qq\.com.+?word=|zhongsou\.com.+?word=|search\.msn\.com.+?q=|yisou\.com.+?p=|sina.+?word=|sina.+?query=|sina.+?_searchkey=|sohu.+?word=|sohu.+?key_word=|sohu.+?query=|163.+?q=|baidu.+?wd=|baidu.+?kw=|baidu.+?word=|3721\.com.+?p=|Alltheweb.+?q=|soso.+?w=|115.+?q=|youdao.+?q=|sogou.+?query=|bing.+?q=|114.+?kw=)([^&]*)
以上正則是我根據網上的正則有所修改，讓其支持soso、115、youdao、sogou、bing（必應）、114（或118114）這些搜索，感謝作者提供。因爲網上轉載太多，尚未註明原出處，因此我也無法標明原作者。
編碼類型的識別
GB2312和UTF-8
從上面的例子我們可以看出，同樣是搜索“秋寒博客”，但是不同的搜索對URL編碼後，形成的字符串也不同。谷歌和必應下面是“%e7%a7%8b%e5%af%92%e5%8d%9a%e5%ae%a2”，而在百度卻是“%C7%EF%BA%AE%B2%A9%BF%CD”。相信對網頁編碼瞭解的朋友都應該瞭解這是怎麼回事，不同的頁面編碼（charset）對相同的字符進行編碼後，產生的編碼也是不同的。UTF-8默認產生的是UTF-8的編碼，默認解碼也是UTF-8。GB2312等也一樣的。谷歌和必應用的是UTF-8編碼，而百度用的是GB2312編碼，就造成了相同的關鍵詞在不同的搜索下產生了不同的字符串。
對於UTF-8和GB2312的解碼都可以實現，但是如果不知道目標是什麼編碼方式，就不知道如何去解碼了。如上面的兩個字符串，初給你看，看不來是用何種編碼方式。當然第一反應是通過搜索來判斷編碼方式，這種方法確實可行也有效。但是看看上面的正則，如果用這種方法，那麼一個 if 後面要跟很多的 or 才行。網上一般用的也是這樣的方法，我覺得這個不是最好的方法。我們得知的信息有：1、%xx%xx格式都是URL編碼（UTF-8或GB2312）；2、GB2312中漢字要兩組%xx組成一個漢字，UTF-8要三組%xx組成一個漢字；3、如果用UTF-8解碼方式去解GB2312的編碼就會出現亂碼。
單從長度和編碼的範圍我們根本無法辨別編碼方式，只能通過其他方式來判斷。根據上面3點，我們可以做一個假設：如果用UTF-8解碼方式來解GB2312的編碼會出現什麼情況？因爲UTF-8是有三組%xx組成的，而GB2312是由兩組%XX組成的，如果用UTF-8的解碼方式去解GB2312且能解碼成功，那解碼後的字符的長度一定會變短。例如：GB2312URL編碼的“秋寒博客”（%C7%EF%BA%AE%B2%A9%BF%CD）用UTF-8解碼，若能解碼成功，解碼後的字符長度會是2個半漢字。如果不能解碼成功，不用說就是GB2312編碼方式了。
OK，至此我們初步已經知道如何去識別URL的編碼類型了，步驟如下：
1、獲取關鍵字編碼串；
2、取得編碼串的組數（x），例如：“%C7%EF%BA%AE%B2%A9%BF%CD 爲8組；
3、用UTF-8解碼方式去解取得的編碼串；
4、如果解碼失敗（即程序出錯）跳到第 8 步；
5、如果解碼成功，取得解碼後的字符串長度（y），與全面的編碼串的組數除以3比較；
6、如果 x!=y 那麼跳轉到第 8 步；
7、如果 x=y 那麼得到的字符串即爲關鍵字；
8、用GB2312方式解碼，得到的字符串爲關鍵字；
上面步驟中，有幾點需要注意：
1、第1步中需要將非漢字的URL轉義及英文去掉；
2、第2、3、5步中的編碼串爲上面提到的字符串；
3、第7、8步中解碼需要對原字符串進行；
UNICODE
在測試的過程中，發現soguo從網頁跳到圖片去的時候，會將URL編碼方式改爲UNICODE。UNICODE的方式相對比較好區分，即判斷是否爲\uxxxx或%uxxxx的形式即可。這個相對簡單，只分享在ASP中的解碼函數。
以下代碼來自CSDN論壇：
方法一：
response.Write vbsUnEscape("\u5c0f\u867e\u7c73")
Function vbsUnEscape(str)'解密
dim i,s,c
s=""
For i=1 to Len(str)
c=Mid(str,i,1)
If Mid(str,i,2)="\u" and i<=Len(str)-5 Then
If IsNumeric("&H" & Mid(str,i+2,4)) Then
s = s & CHRW(CInt("&H" & Mid(str,i+2,4)))
i = i+5
Else
s = s & c
End If
ElseIf c="%" and i<=Len(str)-2 Then
If IsNumeric("&H" & Mid(str,i+1,2)) Then
s = s & CHRW(CInt("&H" & Mid(str,i+1,2)))
i = i+2
Else
s = s & c
End If
Else
s = s & c
End If
Next
vbsUnEscape = s
End Function
方法二：
s = "\u5c0f\u867e\u7c73"
s = Replace(s, "\u", "%u")
Response.Write Unescape(s)
在C#中也沒有發現能識別URL編碼格式的函數或方法，不知在PHP和JAVA下有沒有更好的方法呢？歡迎大家討論。
來源：讀者沈力投稿，原文地址。