URL编码与解码实用.pdfVIP

URL 编码与解码 文章来源 : 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=abcie=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。 预备知识： 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 的格式如下所示。下面提到的 URL 编码，实际上应该指的是 URI 编码。 foo://:8042/over/there?name=ferret#nose \_/ \______________/ \________/\_________/ \__/ | | | | | scheme authority path query fragment 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。