⽹址URL中特殊字符转义编码
⽹址URL中特殊字符转义编码
字符 - URL编码值
空格 - %20
" - %22
# - %23
% - %25
在线url网址编码解码& - %26
( - %28
) - %29
+ - %2B
,
- %2C
/ - %2F
: - %3A
; - %3B
< - %3C
= - %3D
> - %3E
- %3F
@ - %40
\ - %5C
| - %7C
URL特殊字符转义，URL中⼀些字符的特殊含义，基本编码规则如下：
1、空格换成加号(+)
2、正斜杠(/)分隔⽬录和⼦⽬录
3、问号(?)分隔URL和查询
4、百分号(%)制定特殊字符
5、#号指定书签
6、&号分隔参数
如果需要在URL中⽤到，需要将这些特殊字符换成相应的⼗六进制的值
+ %2B
/ %2F
%3F
% %25
# %23
& %26
>>>>>>>>>>>>>>
摘要
本⽂主要针对URI编解码的相关问题做了介绍，对Url编码中哪些字符需要编码、为什么需要编码做了详细的说明，并对⽐分析了Javascript 中和编解码相关的⼏对函数escape / unescape,encodeURI / decodeURI和encodeURIComponent / decodeURIComponent。
预备知识
foo://example:8042/over/there?name=ferret#nose
\_/ \______________/ \________/\_________/ \__/
| | | | |
scheme authority path query fragment
URI是统⼀资源标识的意思，通常我们所说的Url只是URI的⼀种。典型Url的格式如上⾯所⽰。下⾯提到的Url编码，实际上应该指的是URI 编码。
为什么需要Url编码
通常如果⼀样东西需要编码，说明这样东西并不适合传输。原因多种多样，如Size过⼤，包含隐私数据，对于Url来说，之所以要进⾏编码，是因为Url中有些字符会引起歧义。
例如Url参数字符串中使⽤key=value键值对这样的形式来传参，键值对之间以&符号分隔，如/s?q=abc& ie=utf-8。如果你的value字符串中包含了=或者&，那么势必会造成接收Url的服务器解析错误，因此必须将引起歧义的&和= 符号进⾏转义，也就是对其进⾏编码。
⼜如，Url的编码格式采⽤的是ASCII码，⽽不是Unicode，这也就是说你不能在Url中包含任何⾮ASCII字符，例如中⽂。否则如果客户端浏览器和服务端浏览器⽀持的字符集不同的情况下，中⽂可能会造成问题。
Url编码的原则就是使⽤安全的字符（没有特殊⽤途或者特殊意义的可打印字符）去表⽰那些不安全的字符。
哪些字符需要编码
RFC3986⽂档规定，Url中只允许包含英⽂字母（a-zA-Z）、数字（0-9）、-_.~4个特殊字符以及所有保留字符。
RFC3986⽂档对Url的编解码问题做出了详细的建议，指出了哪些字符需要被编码才不会引起Url语义的转变，以及对为什么这些字符需要编码做出了相应的解释。
US-ASCII字符集中没有对应的可打印字符
Url中只允许使⽤可打印字符。US-ASCII码中的10-7F字节全都表⽰控制字符，这些字符都不能直接出现在Url中。同时，对于80-FF字节（ISO-8859-1），由于已经超出了US-ACII定义的字节范围，因此也不可以放在Url中。
保留字符
Url可以划分成若⼲个组件，协议、主机、路径等。有⼀些字符（:/?#[]@）是⽤作分隔不同组件的。例如：冒号⽤于分隔协议和主机，/⽤于分隔 主机和路径，?⽤于分隔路径和查询参数，等等。还有⼀些字符（!$&'()*+,;=）⽤于在每个组件中起到分隔作⽤的，如=⽤于表⽰查询参数中 的键值对，&符号⽤于分隔查询多个键值对。当组件中的普通数据包含这些特殊字符时，需要对其进⾏编码。
RFC3986中指定了以下字符为保留字符：
!*'();:@&=+$,/?#[]
不安全字符
还有⼀些字符，当他们直接放在Url中的时候，可能会引起解析程序的歧义。这些字符被视为不安全字符，原因有很多。
空格Url在传输的过程，或者⽤户在排版的过程，或者⽂本处理程序在处理Url的过程，都有可能引⼊⽆关紧要的空格，或者将那些有意义的空格给去掉
引号以及
引号和尖括号通常⽤于在普通⽂本中起到分隔Url的作⽤
<>
#通常⽤于表⽰书签或者锚点
%百分号本⾝⽤作对不安全字符进⾏编码时使⽤的特殊字符，因此本⾝需要编码
{}|\^[]`~某⼀些⽹关或者传输代理会篡改这些字符
需要注意的是，对于Url中的合法字符，编码和不编码是等价的，但是对于上⾯提到的 这些字符，如果不经过编码，那么它们有可能会造成Url语义的不同。因此对于Url⽽⾔，只有普通英⽂字符和数字，特殊字符$-_.+!*'()还有保留 字符，才能出现在未经编码的Url之中。其他字符均需要经过编码之后才能出现在Url中。
但是由于历史原因，⽬前尚存在⼀些不标准的编码实现。例如对于~符号，虽然RFC3986⽂档规定，对于波浪符号~，不需要进⾏Url编码，但是还是有很多⽼的⽹关或者传输代理会
如何对Url中的⾮法字符进⾏编码
常见字符的Url编码列表：
保留字符的Url编码
!*"'();:@&
%21%2A%22%27%28%29%3B%3A%40%26
=+$,/?%#[]
%3D%2B%24%2C%2F%3F%25%23%5B%5D
对于⾮ASCII字符，需要使⽤ASCII字符集的超集进⾏编码得到相应的字节，然后对每个字节执⾏百分号编码。 对于Unicode字符，RFC⽂档建议使⽤utf-8对其进⾏编码得到相应的字节，然后对每个字节执⾏百分号编码。如“中⽂”使⽤UTF-8字符集得到 的字节为0xE4
0xB8 0xAD 0xE6 0x96 0x87，经过Url编码之后得到“%E4%B8%AD%E6%96%87”。
如果某个字节对应着ASCII字符集中的某个⾮保留字符，则此字节⽆需使⽤百分号表⽰。 例如“Url编码”，使⽤UTF-8编码得到的字节是0x55 0x72 0x6C 0xE7 0xBC 0x96 0xE7 0xA0 0x81，由于前三个字节对应着ASCII中的⾮保留字符“Url”，因此这三个字节可以⽤⾮保留字符“Url”表⽰。最终的Url编码可以简化成 “Url%E7%BC%96%E7%A0%81” ，当然，如果你
⽤"%55%72%6C%E7%BC%96%E7%A0%81”也是可以的。
由于历史的原因，有⼀些Url编码实现并不完全遵循这样的原则，下⾯会提到。
Javascript中的escape,encodeURI和encodeURIComponent的区别
Javascript中提供了3对函数⽤来对Url编码以得到合法的Url，它们分别是escape / unescape,encodeU
RI / decodeURI和encodeURIComponent / decodeURIComponent。由于解码和编码的过程是可逆的，因此这⾥只解释编码的过程。
这三个编码的函数——escape，encodeURI，encodeURIComponent——都是⽤于将不安全不合法的Url字符转换为合法的Url字符表⽰，它们有以下⼏个不同点。
安全字符不同
下⾯的表格列出了这三个函数的安全字符（即函数不会对这些字符进⾏编码）
安全字符
escape（69个）*/@+-._0-9a-zA-Z
encodeURI（82个）!#$&'()*+,/:;=?@-._~0-9a-zA-Z
encodeURIComponent（71个）!'()*-._~0-9a-zA-Z
兼容性不同
escape函数是从Javascript1.0的时候就存在了，其他两个函数是在Javascript1.5才引⼊的。但是由于
Javascript1.5已经⾮常普及了，所以实际上使⽤encodeURI和encodeURIComponent并不会有什么兼容性问题。
对Unicode字符的编码⽅式不同
这三个函数对于ASCII字符的编码⽅式相同，均是使⽤百分号+两位⼗六进制字符来表⽰。但是对于Unicode字符，escape的编码⽅式
是%u xxxx，其中的xxxx是⽤来表⽰unicode字符的4位⼗六进制字符。这种⽅式已经被W3C废弃了。但是在ECMA-262标准中仍然保留
着escape的这种编码语法。encodeURI和encodeURIComponent则使⽤UTF-8对⾮ASCII字符进⾏编码，然后再进⾏百分号编码。这是RFC推荐的。因此建议尽可能的使⽤这两个函数替代escape进⾏编码。
适⽤场合不同
encodeURI被⽤作对⼀个完整的URI进⾏编码，⽽encodeURIComponent被⽤作对URI的⼀个组件进⾏编码。
从上⾯提到的安全字符范围表格来看，我们会发现，encodeURIComponent编码的字符范围要⽐encodeURI的⼤。我们上⾯提到 过，保
留字符⼀般是⽤来分隔URI组件（⼀个URI可以被切割成多个组件，参考预备知识⼀节）或者⼦组件（如URI中查询参数的分隔符），如：号
⽤于分隔 scheme和主机，?号⽤于分隔主机和路径。由于encodeURI操纵的对象是⼀个完整的的URI，这些字符在URI中本来就有特殊⽤途，因此这些保 留字符不会被encodeURI编码，否则意义就变了。
组件内部有⾃⼰的数据表⽰格式，但是这些数据内部不能包含有分隔组件的保留字符，否则就会导致整个URI中组件的分隔混乱。因此对于
单个组件使⽤encodeURIComponent，需要编码的字符就更多了。
表单提交
当Html的表单被提交时，每个表单域都会被Url编码之后才在被发送。由于历史的原因，表单使⽤的Url编码实现并不符合最新的标准。例如
对于空 格使⽤的编码并不是%20，⽽是+号，如果表单使⽤的是Post⽅法提交的，我们可以在HTTP头中看到有⼀个Content-Type的header， 值为application/x-www-form-urlencoded。⼤部分应⽤程序均能处理这种⾮标准实现的Url编码，但是在客户端 Javascript
中，并没有⼀个函数能够将+号解码成空格，只能⾃⼰写转换函数。还有，对于⾮ASCII字符，使⽤的编码字符集取决于当前⽂档使⽤的 字
符集。例如我们在Html头部加上
<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
这样浏览器就会使⽤gb2312去渲染此⽂档（注意，当HTML⽂档中没有设置此meta标签，则浏览器会根据当前⽤户喜好去⾃动选择字符集，⽤户也可以强制当前⽹站使⽤某个指定的字符集）。当提交表单时，Url编码使⽤的字符集就是gb2312。
⽂档字符集会影响encodeURI吗？
之前在使⽤Aptana（为什么专指aptana下⾯会提到）遇到⼀个很迷惑的问题，就是在使⽤encodeURI的时候，发现它编码得到的结果和我
想的很不⼀样。下⾯是我的⽰例代码：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html
xmlns="/1999/xhtml"> <head> <meta http-equiv="Content-Type" content="text/html; charset=gb2312" /> </head> <body> <script type="text/javascript"> document.write(encodeURI("中⽂")); </script> </body> </html>
运⾏结果输出%E6%B6%93%EE%85%9F%E6%9E%83。显然这并不是使⽤UTF-8字符集进⾏Url编码得到的结果（在Google上搜
索“中⽂”，Url中显⽰的是%E4%B8%AD%E6%96%87）。
所以我当时就很质疑，难道encodeURI还跟页⾯编码有关，但是我发现，正常情况下，如果你使⽤gb2312进⾏Url编码也不会得到这个结
果的才是。后来终于被我发现，原来是页⾯⽂件存储使⽤的字符集和Meta标签中指定的字符集不⼀致导致的问题。 Aptana的编辑器默认情
况下使⽤UTF-8字符集。也就是说这个⽂件实际存储的时候使⽤的是UTF-8字符集。但是由于Meta标签中指定了 gb2312，这个时候，浏
览器就会按照gb2312去解析这个⽂档，那么⾃然在“中⽂”这个字符串这⾥就会出错，因为“中⽂”字符串⽤UTF-8编码过 后得到的字
节是0xE4 0xB8 0xAD 0xE6 0x96 0x87，这6个字节⼜被浏览器拿gb2312去解码，那么就会得到另外三个汉字“涓 枃”（GBK中⼀
个汉字占两个字节），这三个汉字在传⼊ encodeURI函数之后得到的结果就是%E6%B6%93%EE%85%9F%E6%9E%83。因
此，encodeURI使⽤的还是UTF-8，并 不会受到页⾯字符集的影响。
其他和Url编码相关的问题
对于包含中⽂的Url的处理问题，不同浏览器有不同的表现。例如对于IE，如果你勾选了⾼级设置“总是以UTF-8发送Url”，那么Url中的路
径部分的中⽂会使⽤UTF-8进⾏Url编码之后发送给服务端，⽽查询参数中的中⽂部分使⽤系统默认字符集进⾏Url编码。为了保证最⼤互操
作性，建议所 有放到Url中的组件全部显式指定某个字符集进⾏Url编码，⽽不依赖于浏览器的默认实现。
另外，很多HTTP监视⼯具或者浏览器地址栏等在显⽰Url的时候会⾃动将Url进⾏⼀次解码（使⽤UTF-8字符集），这就是为什么当你在Firefox中访问Google搜索中⽂的时候，地址栏显⽰的Url包含中⽂的缘故。但实际上发送给服务端的原始Url还是经过编码的。你可以在地址栏 上使⽤Javascript访问location.href就可以看出来了。在研究Url编解码的时候千万别被这些假象给迷惑了。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
PowerQuery技巧之URL编码与解码
« 上一篇
发表评论