URL编码总结

          URL是Universal Resource Locator的简称。翻译过来那就是统一资源定位符,好吧,我们常常会俗称为网页地址。

一个URL的格式一般是这种:协议类型://server地址(必要时需加上port号)/路径/文件名称?參数。比方http://zh.wikipedia.org:80/w/index.php?title=Special,协议是HTTP。server地址是zh.wikipedia.org,port是80,路径和文件名称是/w/index.php。參数是title=Special。还有个与URL相关的概念URI。URI是统一资源标示符,URL是URI的一种,用于标示互联网资源,并指定了对资源的操作和获取方法。URL大部分情况下都仅仅有英文字符,这样也就不存在编码问题。假设URL中有了中文。那么编码规则是什么呢?实际上,RFC并没有标准规定URL的编码方式,所以不同的浏览器的表现可能是不同的。以下就总结下。主要參考了阮一峰的关于URL编码一文,当然有些地方我測试的结果会有所不同,大家能够依据自己的系统环境进行区分。


1 URL路径中包括中文

       假设URL路径中包括中文,经过測试发现无论IE6.0还是Chrome。编码都是採用的UTF-8。其它浏览器临时没有測试。猜想应该一致。

       測试的URL是:http://zh.wikipedia.org/wiki/中文.在chrome的开发人员工具中能够看到实际的URL是http://zh.wikipedia.org/wiki/%E4%B8%AD%E6%96%87,当中E4B8AD E69687正是"中文"的UTF-8编码。


2 URL查询參数中包括中文

       假设查询參数中包括中文。则经过測试发现,IE6.0採用的是操作系统编码,Chrome採用的是UTF-8编码

       測试的URL是:http://www.baidu.com/s?wd=中文。通过測试能够发现。在IE6以下“中文”实际被转成了%B0%D9%B6%C8。chrome以下则转成了%E4%B8%AD%E6%96%87


3 表单參数的中文编码

       表单提交时,无论是IE6还是Chrome,參数中中文的编码则依据HTML代码中指定的字符编码来决定(也就是html代码中标签指定的字符编码)。

当然这是在form中没有指定accept-charset的情况下,假设form中加了accept-charset="GBK”属性,则表单參数则由accept-charset指定编码进行编码。

       測试代码例如以下:

<html>
<head>
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">
<title>測试</title>
</head>
<body>
<h2>表单中文编码測试</h2>
<form method="GET" action="http://www.baidu.com/s">
<input type="text" name="wd">
<input type="submit" value="OK">
</form>
</body>
</html>

       能够发现,当指定charset=UTF-8时,你在输入项输入“中文”。则实际提交后会用UTF-8编码成%E4%B8%AD%E6%96%87,而假设charset=GBK。则输入项会用GBK编码成%D6%D0%CE%C4

用POST方法也是一样的。

       而假设加上accept-charset属性。代码改成以下这样。则表单參数编码由accept-charset中指定的编码来决定。

例如以下所看到的,尽管meta中指定的是UTF-8编码。可是表单參数是GBK编码的。

<html>
<head>
<meta http-equiv="Content-Type" content="text/html;charset=UTF-8">
<title>測试</title>
</head>
<body>
<h2>表单中文编码測试</h2>
<form method="GET" action="http://www.baidu.com/s" accept-charset="GBK">
<input type="text" name="wd">
<input type="submit" value="OK">
</form>
</body>
</html>
另一点须要注意的是,假设输入项包括空格,比方“中文 哈哈”,则空格会被编码为+。


4 Javascript HTTP的中文參数编码

       之前说的是直接通过浏览器发HTTP请求的中文编码情况,那假设是通过Javascript发送HTTP请求,会是什么情况呢?依据測试发现,通过Javascript发送的HTTP请求。IE6的为操作系统编码。Chrome中文參数编码是UTF-8

       測试:能够打开Chrome的http://zh.wikipedia.org/wiki/%E4%B8%AD%E6%96%87。在开发人员工具的控制台输入$.ajax("/wiki/英语"),能够在网络连接中发现"英语"採用的UTF-8编码。IE中能够另外编辑一个測试的网页,用JS測试就可以。


5 Javascript编码函数

       前面说的非常多种中文编码情况。不同的浏览器处理方式也不尽同样。这是件非常纠结的事情,一个好的方法是採用JS的函数在表单提交前对參数进行统一处理。

       第一个函数是escape,escape是一个全局函数。它使用十六进制的数字(%xx或%uxxxx)编码字符串为unicode码。

小于等于0xFF的字符将被转义为%xx。大于0xFF的将被转移为%uxxxx,能够使用unescape函数解码escape函数编码的字符串。escape已被ecma标准抛弃。如今一般推荐使用encodeURI或encodeURIComponent函数取代。

       escape实例: escape(“中文”)的结果是"%u4E2D%u6587",escape("abc def")的结果是"abc%20def",空格编码为0x20。

不管网页编码是什么,经过JS的escape操作后,都会变成unicode码。如第3节提到的,因为表单提交时參数中的空格会被编码为+,所以escape函数不正确"+"进行编码,所以escape("abc+def")结果还是"abc+def"。

       第二个函数是encodeURI,它也是全局函数。encodeURI的目的是採用UTF-8给URI进行编码。

ASCII的字母、数字不编码。- _ . ! ~ * ' ( )也不编码,URI中具有特殊意义的字符也不编码(如; / ? : @ & = + $ , #等)。

參数中的其它字符将转换成UTF-8编码方式的字符。并使用十六进制转义序列(%xx)生成替换。

相应的解码函数是decodeURI。

       encodeURI实例:encodeURI("測试 http://www.baidu.com/test?v=ab cd+@#")结果为"%E6%B5%8B%E8%AF%95%20http://www.baidu.com/test?

v=ab%20cd+@#"

       第三个函数是encodeURIComponent,与encodeURI不同的是,它会对特殊符号如"; / ?

: @ & = + $ , #"进行编码。解码函数是decodeURIComponent。

       encodeURIComponent实例:encodeURIComponent("測试 http://www.baidu.com/test?v=ab cd+@#")结果为%E6%B5%8B%E8%AF%95%20http%3A%2F%2Fwww.baidu.com%2Ftest%3Fv%3Dab%20cd%40%23%2B


6 參考资料


posted on 2017-05-07 20:06  yutingliuyl  阅读(1381)  评论(0编辑  收藏  举报