URL编码

标签：

为什么要编码？

如果一样东西需要编码，那说明它不适合传输，原因有多种（有些字符有歧义、包含隐私数据、Size过大）。

在 URL 中，之所以要编码，是因为有些字符会引起歧义。比如参数中的key=value键值对，当value里含有= & ? 等，就会造成 URL 服务器的解析错误。所以必须将引起歧义的符号进行转义，也就是对其进行编码。

URL 的编码格式采用的是 ASCII 码，而不是 Unicode，也就是说 URL 中不能包含任何非 ASCII 字符，比如中文（如果客户端浏览器和服务器端浏览器支持的字符集不同，中文可能会造成问题，现在一般默认都使用 UTF-8）。

URI的编码原则是使用安全的字符去（没有特殊用途和特殊意义的可打印字符）表示那些不安全的字符。URI 是统一资源标识，我们所说的 URL 只是 URI 的一种。

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（-_.~）、所有保留字符。

保留字：URL 可以划分成若干组件，协议、主机、路径等
一些字符用来分隔不同组件，比如 :/?#@
一些字符在每个组件中分隔的，比如 &=

不安全字符：还有些字符，当它们直接放在 URL 中时，可能会引起解析程序的歧义，原因很多。
1.空格 URL在传输过程 用户排版时 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；或者将有意义的空格给去掉
2.引号和<> 通常用于在普通文本中起到分隔URL的作用
3.# 通常用于标示书签或锚点
4.% 它本身被用作对不安全字符编码时的特殊字符，所以本身需要编码
5.{}[]|^’ 某些网关或者传输代理会篡改这些字符

RFC3986文档对URL的编码问题做出了详细的建议，指出哪些字符需要被编码才不会引起 URL 语义的转变，以及为什么对这些字符进行编码做出了解释。RFC3986指定了以下字符为保留字 :/?=&#@+,;()$’*![]

需要注意：
由于历史原因，目前存在一些不标准的编码实现，比如对于符号~ 虽然RFC3986文档规定，对于~不需要编码，但是一些老的网关或者传输代理会。比如[]也被编码了。

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那些字符，如果不编码，那它们可能会造成 URL 语义的不同。因此，对于 URL 而言，只有普通英文字符和数字、特殊字符和保留字符，能出现在未经编码的 URL 中，其他字符都需要经过编码。

如何编码？

URL 编码通常被称为百分号编码（URL Encoding, also know as percent-encoding），因为它的编码方式很简单，使用 % 加上两位的字符-代表一个字节的16进制形式。

URL 编码默认使用的字符集是 US-ASCII
比如 a 在US-ASCII中对应的字节是 0x61，那么URL编码之后得到的就是 %61
又如 @ 在ASCII字符集中对应的字节是 0x40，经过URL编码之后得到的是 %40

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，然后再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，然后再对每个字节执行百分号编码。

JS中的URL编码

JS 提供了 3 对函数来对 URL 编码以得到合法的 URL，它们分别是：

1. escape/unescape
2. encodeURI/decodeURI
3. encodeURIComponent/decodeURIComponent

由于编码和解码是可逆的，所以这里只解释编码过程。
这里只说后两种编码，encodeURI 和 encodeURIComponent，它两都是用 UTF-8 对非 ASCII 字符进行编码，然后再进行百分号编码的。

encodeURI()

目的：对 URI 进行完整编码
所以，它对在 URI 中具有特殊含义的 ASCII 标点符号，它是不会进行转义的，比如以下11个字符 ;/?:@&=+$,#

它不会对以下进行编码：
1.ASCII 字母
2.数字
3.ASCII 标点符号，以下9个 -_.!~*()’ 【单引号不编，双引号会被编码】
4.在 URI 中有特殊含义的 ASCII 标点符号，以下11个 ;/?:@&=+$,#

其他字符会被编码成16进制的转义序列

encodeURIComponent()

目的：把字符串作为 URI 组件进行编码

它不会对以下进行编码：
1.ASCII 字母
2.数字
3.ASCII 标点符号，以下9个 -_.!~*()’ 【单引号不编，双引号会被编码 %22】

ASCII 中的其他字符（用于分隔URI组件的标点符号）们都会被 16进制的转义序列，替换掉。

它们的区别

安全字符不同：
encodeURIComponent() 假定参数是 URI 的一部分（比如协议、主机名、路径、查询字符串），所以，会转义用于分隔 URI 各个部分的标点符号。
所以，如果待编码的字符中含有分隔符 ? & # 等时，则应该用 encodeURIComponent()

适用场合不同：
encodeURI 是对一个完整的 URI 进行编码
encodeURIComponent 是对 URI 的一个组件进行编码

表单提交

当 HTML 表单被提交时，每个表单域都会被 URL 编码之后才发送。
由于历史原因，表单使用的 URL 编码实现并不符合最新的标准，例如空格使用的不是 %20，而是 + 号

参考

http://www.w3school.com.cn/jsref/jsref_encodeuri.asp
http://www.w3school.com.cn/jsref/jsref_encodeURIComponent.asp

http://www.cnblogs.com/greatverve/archive/2011/12/12/URL-Encoding-Decoding.html

RFC3986文档对URL的描述
https://tools.ietf.org/html/rfc3986

16进制的转义序列：
: %3A
/ %2F
? %3F
= %3D
& %26
空格 %20

URL编码

标签：

原文地址：http://www.cnblogs.com/myyan/p/4838795.html