基础概念——URL编码

URL只能使用英文字母，阿拉伯数字和一些特殊字符；或者说URL 只能使用 ASCII 字符集来通过因特网进行发送。

如果URL中有汉字，就必须编码后使用。

但是麻烦的是 标准的国际组织并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。

 

对于非ASCII字符，RFC文档建议使用utf-8对其进行编码得到相应的字节，然后对每个字节执行百分号编码。

如"中文"使用UTF-8字符集得到的字节为0xE4 0xB8 0xAD 0xE6 0x96 0x87，经过Url编码之后得到"%E4%B8%AD%E6%96%87"。

 

由于URL中好多字符是保留字，他们在URL中具有特殊的含义。如“&”表示参数分隔符，如果想要在URL中使用这些保留字，那就得对他们进行编码。

对URL中属于ASCII字符集的非保留字不做编码；

对URL中的保留字需要取其ASCII内码，然后加上“%”前缀将该字符进行替换（编码）；

对URL中的非ASCII字符需要取其Unicode内码，然后加上“%”前缀将该字符进行替换（编码）。

由于这种编码是采用“%”加上字符内码的方式，所以，有些地方也称其为“百分号编码”。

 

接下来总结一下URL编码混乱的场景有哪些：

情况1：网址路径中包含汉字： 使用的是utf-8编码；

情况2：查询字符串包含汉字； 用的是操作系统的默认编码。

情况3：Get方法生成的URL包含汉字；由HTML源码中字符集的设定决定；GET和POST方法的编码，用的是网页的编码。

情况4：Ajax调用的URL包含汉字；在Ajax调用中，IE总是采用GB2312编码（操作系统的默认编码），而Firefox总是采用utf-8编码。

 

使用Javascript先对URL编码，然后再向服务器提交，不要给浏览器插手的机会。

因为Javascript的输出总是一致的，所以就保证了服务器得到的数据是格式统一的。

无论网页的原始编码是什么，一旦被Javascript编码，就都变为unicode字符。

也就是说，Javascipt函数的输入和输出，默认都是Unicode字符。encodeURI()是Javascript中真正用来对URL编码的函数。它对应的解码函数是decodeURI()。

需要注意的是，它不对单引号'编码。

---

---

 

讨论一下什么是字符集，字符编码，编码和解码：

 

字符集：
将一些自然语言中的字符组成一个集合;

字符编码：
字符编码，就是建立一套自然语言中的“字符”跟计算机能够存储 处理的二进制数的映射的规则。
即在一个字符集内，用一个特定的二进制数表示一个唯一“字符”，类似于学号跟学生的映射关系。

为什么需要编码：
当数据不利于处理、存储的时候，就需要对它们进行编码。
对字符进行编码是因为自然语言中的字符不利于计算机处理和存储。

编码和解码：
根据实际需求的差异，编码、解码算法有可能会很复杂，也有可能非常的简单，
但是从根本上来讲，编码、解码只是在做翻译工作，将一种形式的数据翻译为另一种形式的数据，
如，最简单的编码、解码就是相当于从一个Map中根据key查找value，然后使用value代替实际数据中的key的值。

 

---

---

参考链接：

URL编码与解码：https://www.cnblogs.com/Wahitler/p/4761373.html

URL编解码：https://www.jianshu.com/p/e4839089b6ef

关于URL编码：http://www.ruanyifeng.com/blog/2010/02/url_encoding.html