你真的瞭解URLEncode嗎？

xiaxveliang發表於2021-02-23

使用瀏覽器進行Http網路請求時，若請求query中包含中文，中文會被編碼為 %+16進位制+16進位制形式，但你真的深入瞭解過，為什麼要進行這種轉義編碼嗎？編碼的原理又是什麼？

例如，瀏覽器中進行百度搜尋“你好”時，連結地址會被自動編碼：
（編碼前）https://www.baidu.com/s?wd=你好
（編碼後）https://www.baidu.com/s?wd=%E4%BD%A0%E5%A5%BD
出現以上情況是網路請求前，瀏覽器對請求URL進行了URL編碼（URL Encoding）。

URL編碼（URL Encoding）：也稱作百分號編碼（Percent Encoding），是特定上下文的統一資源定位符 URL的編碼機制。URL編碼（URL Encoding）也適用於統一資源標誌符（URI）的編碼，同樣用於 application/x-www-form-urlencoded MIME準備資料。

一、為什麼需要URL Encoding

在URL的最初設計時，希望可以通過書面轉錄，比如寫在餐巾紙上告訴另外一人，因此URI的構成字元必須是可寫的ASCII字元。
中文不在ASCII字元中，因此中文出現在URL地址中時，需要進行編碼；同時可書寫的ASCII字元中，存在一些不安全字元也需要轉碼，如空格（空格容易被忽略，也容易意想不到的原因引入）。

不安全字元

二、編碼原理

編碼的原理可以表述為：
將需要轉碼的字元，按指定編碼方式（預設使用UTF-8編碼）轉化為位元組流，每個位元組按16進製表示，並新增%組成一個percent編碼。

例如：漢字 “你好”

UTF-8位元組流列印為：-28 -67 -96 -27 -91 -67
對應的16進製表示為：E4 BD A0 E5 A5 BD
URLEncode編譯後為：%E4%BD%A0%E5%A5%BD

2.1、哪些字元需要轉碼

上文中提到需要轉碼的字元，那麼哪些字元是需要轉碼的字元？
這裡涉及到兩個概念：Reserved(保留字元)和Unreserved(非保留字元)。

Reserved(保留字元)是那些具有特殊含義的字元，例如："/"字元用於URL不同部分的分界符；
Unreserved(非保留字元)沒有特殊含義，包含希臘字母 / 數字 / "-" / "." / "_" / "~"。

保留字元&非保留字元

回到剛才的問題，哪些字元是需要轉碼的字元？

1、除了Reserved(保留字元)和Unreserved(非保留字元)之外的所有字元，均需要percent編碼；
2、某些情況下Reserved(保留字元)也需要進行percent編碼：
當Reserved(保留字元)不用於URL分隔符，而是用於其他的位置，不代表某種特性的含義時，需要進行percent編碼。例如：保留字元用於URL請求query後面的value中時，要對此時用到的Reserved(保留字元)做percent編碼；