你真的了解URLEncode吗？

使用浏览器进行Http网络请求时，若请求query中包含中文，中文会被编码为 %+16进制+16进制形式，但你真的深入了解过，为什么要进行这种转义编码吗？编码的原理又是什么？

例如，浏览器中进行百度搜索“你好”时，链接地址会被自动编码：

（编码前）https://www.baidu.com/s?wd=你好

（编码后）https://www.baidu.com/s?wd=%E4%BD%A0%E5%A5%BD

出现以上情况是网络请求前，浏览器对请求URL进行了URL编码（URL Encoding）。

URL编码（URL Encoding）：也称作百分号编码（Percent Encoding），是特定上下文的统一资源定位符 URL的编码机制。URL编码（URL Encoding）也适用于统一资源标志符（URI）的编码，同样用于 application/x-www-form-urlencoded MIME准备数据。

一、为什么需要URL Encoding

在URL的最初设计时，希望可以通过书面转录，比如写在餐巾纸上告诉另外一人，因此URI的构成字符必须是可写的ASCII字符。

中文不在ASCII字符中，因此中文出现在URL地址中时，需要进行编码；同时可书写的ASCII字符中，存在一些不安全字符也需要转码，如空格（空格容易被忽略，也容易意想不到的原因引入）。

二、编码原理

编码的原理可以表述为：

将需要转码的字符，按指定编码方式（默认使用UTF-8编码）转化为字节流，每个字节按16进制表示，并添加%组成一个percent编码。

例如：汉字 “你好”

UTF-8字节流打印为：-28 -67 -96 -27 -91 -67
对应的16进制表示为：E4 BD A0 E5 A5 BD
URLEncode编译后为：%E4%BD%A0%E5%A5%BD

2.1、哪些字符需要转码

上文中提到需要转码的字符，那么哪些字符是需要转码的字符？

这里涉及到两个概念：Reserved(保留字符)和Unreserved(非保留字符)。

Reserved(保留字符)是那些具有特殊含义的字符，例如："/"字符用于URL不同部分的分界符；
Unreserved(非保留字符)没有特殊含义，包含希腊字母 / 数字 / "-" / "." / "_" / "~"。

回到刚才的问题，哪些字符是需要转码的字符？

1、除了Reserved(保留字符)和Unreserved(非保留字符)之外的所有字符，均需要percent编码；
2、某些情况下Reserved(保留字符)也需要进行percent编码：

当Reserved(保留字符)不用于URL分隔符，而是用于其他的位置，不代表某种特性的含义时，需要进行percent编码。例如：保留字符用于URL请求query后面的value中时，要对此时用到的Reserved(保留字符)做percent编码；

2.2、注意：空格的编码有 “+”和“%20”两种

结论：

1、空格编码为+的情况：

提交表单时请求时Content-Type：application/x-www-form-urlencoded的情况下，URL请求查询字符串中出现空格时，需替换为+。
2、其他情况空格编码为%20；

依据：

按照 rfc3986 标准，空格在进行编码时，编码后对应为%20。

但根据W3C标准：，提交表单时请求时Content-Type：application/x-www-form-urlencoded情况下，URL请求查询字符串中出现空格时，需替换为+。

三、参考

rfc3986：

https://tools.ietf.org/html/rfc3986

rfc1738：

https://www.ietf.org/rfc/rfc1738.txt

W3C标准：

https://www.w3.org/TR/html4/interact/forms.html#h-17.13.4.1

维基百科：百分号编码：

https://zh.wikipedia.org/wiki/%E7%99%BE%E5%88%86%E5%8F%B7%E7%BC%96%E7%A0%81

========== THE END ==========