url编码规范.docxVIP

一、问题的由来URL就是网址，只要上网，就一定会用到。一般来说，URL只能使用英文字母、阿拉伯数字和某些标点符号，不能使用其他文字和符号。比如，世界上有英文字母的网址 “”，但是没有希腊字母的网址“http://www.aβγ.com”（读作阿尔法-贝塔-伽玛.com）。这是 因为网络标准/rfc/rfc1738.txtRFC 1738做了硬性规定：...Only alphanumerics [0-9a-zA-Z], the special characters $-_.+!*(), [not including the quotes - ed], and reserved characters used for their reserved purposes may be used unencoded within a URL.“只有字母和数字[0-9a-zA-Z]、一些特殊符号“$-_.+!*(),”[不包括双引号]、以及某些保留字，才可以不经过编码直接用于URL。”这意味着，如果URL中有汉字，就必须编码后使用。但是麻烦的是，RFC 1738没有规定具体的编码方法，而是交给应用程序（浏览器）自己决定。这导致“URL编码”成为了一个混乱的领域。下面就让我们看看，“URL编码”到底有多混乱。我会依次分析四种不同的情况，在每一种情况中，浏览器的URL编码方法都不一样。把它们的差异解释清楚之后，我再说如何用Javascript找到一个统一的编码方法。二、情况1：网址路径中包含汉字打开IE（我用的是8.0版），输入网址“/wiki/春节”。注意，“春节”这两个字此时是网址路径的一部分。查看HTTP请求的头信息，会发现IE实际查询的网址是“/wiki/%E6%98%A5%E8%8A%82”。也就是说，IE自动将“春节”编码成了“%E6%98%A5%E8%8A%82”。我们知道，“春”和“节”的utf-8编码分别是“E6 98 A5”和“E8 8A 82”，因此，“%E6%98%A5%E8%8A%82”就是按照顺序，在每个字节前加上%而得到的。（具体的转码方法，请参考我写的/blog/2007/10/ascii_unicode_and_utf-8.html《字符编码笔记》。）在Firefox中测试，也得到了同样的结果。所以，结论1就是，网址路径的编码，用的是utf-8编码。三、情况2：查询字符串包含汉字在IE中输入网址“/s?wd=春节”。注意，“春节”这两个字此时属于查询字符串，不属于网址路径，不要与情况1混淆。查看HTTP请求的头信息，会发现IE将“春节”转化成了一个乱码。切换到十六进制方式，才能清楚地看到，“春节”被转成了“B4 BA BD DA”。我们知道，“春”和“节”的GB2312编码（我的操作系统“Windows XP”中文版的默认编码）分别是“B4 BA”和“BD DA”。因此，IE实际上就是将查询字符串，以GB2312编码的格式发送出去。Firefox的处理方法，略有不同。它发送的HTTP Head是“wd=%B4%BA%BD%DA”。也就是说，同样采用GB2312编码，但是在每个字节前加上了%。所以，结论2就是，查询字符串的编码，用的是操作系统的默认编码。四、情况3：Get方法生成的URL包含汉字前面说的是直接输入网址的情况，但是更常见的情况是，在已打开的网页上，直接用Get或Post方法发出HTTP请求。根据台湾中兴大学.tw/%7Ejlu/classes/xml/ajax/urlencoding.shtml吕瑞麟老师的试验，这时的编码方法由网页的编码决定，也就是由HTML源码中字符集的设定决定。　meta http-equiv=Content-Type content=text/html;charset=xxxx如果上面这一行最后的charset是UTF-8，则URL就以UTF-8编码；如果是GB2312，URL就以GB2312编码。举例来说，百度是GB2312编码，Google是UTF-8编码。因此，从它们的搜索框中搜索同一个词“春节”，生成的查询字符串是不一样的。百度生成的是%B4%BA%BD%DA，这是GB2312编码。Google生成的是%E6%98%A5%E8%8A%82，这是UTF-8编码。所以，结论3就是，GET和POST方法的编码，用的是网页的编码。五、情况4：Ajax调用的URL包含汉字前面三种情况都是由浏览器发出HTTP请求，最后一种情况则是由Javascript生成HTTP请求，也就是Ajax调用。还是根据吕瑞麟老师的文章，在这种情况下，IE和Firefox的处理方式完全不一样。举例来说，有这样两行代码：　url = url + ?q= +document.myform.elements[