每个Web开发者都应该知道的关于URL编码的知识.pdfVIP

每个 Web 开发者都应该知道的关于 URL 编码的知识 本文首先阐述了人们关于统一资源定位符 （URL）编码的普遍的误读，其后通过阐明HTTP场景下的URL encoding 来引出我们经常遇到的问题及其解 决方案。本文并不特定于某类编程语言，我们在Java环境下阐释问题，最后从Web应用的多个层次描述如何解决URL编码的问题来结尾。 目录 简介 通用 URL语法 HTTP URL语法 URL 语法 URL常见陷阱 使用哪类字符编码? 因片段而异的保留字符集 非你所想的保留字符集 解码以后无法解析的URL 解码以后无法重新编码成相同形式的URL 在Java中正确地处理URL 勿用.URLEncoder或.URLDecoder编解码整个URL 构建URL需要考虑编码每个部份 URI.getPath()无法确保提供结构化的数据 Apache Commons HTTPClient的URI类无法确保总能正确处理 在Web应用程序的每个层次处理URL编码问题 创建URL时总是编码URL 确保你的URL重写过滤器正确处理URLs 正确使用Apache mod­rewrite模块 结论 简介 当我们每天上网冲浪时，有一些技术我们无时无刻不在面对。有数据本身 （网页），数据的格式化，能够让我们获取数据的传输机制，以及让Web网 络能够真正成为Web的基础及根本：从一页到另一页的链接。这些链接都是URL。 通用URL语法 我敢说每个人在其一生中至少见过一次URL。比如，就是一个URL。一个URL是一个统一资源定位器 ，事实上它指向了 一个网页(大多数情况下)。实际上，自从1994年的第一版规范开始，URL就有了一个良好定义的结构。 我们能从 这个URL中读出下列详细信息: Part Data Scheme http Host address 如果我们看一个更复杂的URL，比如 https://bob:bobby@:8080/file;p 1?q 2#third 我们就能获取到下列信息: Part Data Scheme https User bob Password bobby Host address Port 8080 Path /file Path parameters p 1 Query parameters q 2 Fragment third 协议 (即scheme，如上面的http和https (安全HTTP)) 定义了URL中其余部分的结构。大多数互联网URL协议 拥有通用的开头，包括用户，密码， 主机名和端口，后面才是每个协议具体的部分。这个通用的部分负责处理认证，同时它也有能力知道为了请求数据应该链接到哪儿。 HTTP URL语法 对于HTTP URL (使用http 或 https 协议)，URL的scheme描述部分定义了数据的路径 （path），后面是可选的query 和 fragment。 path 部分看上去是一个分层的结构，类似于文件系统中文件夹和文件的分层结构。path由/字符开始，每一个文件夹由/分隔，最后是文件。例 如/photos/egypt/cairo/first.jpg有四个路径片段 （segment）：photos、egypt、cairo 和 first.jpg，可以由此推出：first.jpg 文件 在文件夹cairo中，而egypt 文件夹位于web站点的根文件夹photos里面。 每一个path片段 可以有可选的 path参数 (也叫 matrix参数)，这是在path片段的最后由;开始的一些字符。每个参数名和值由 字符分隔，像这 样：/file;p 1，这定义了path片段 file有一个 path参数 p，其值为1。这些参数并不常用 — 这得清楚 — 但是它们确实是存在，而且从 Yahoo RESTful