URL中的保留和不安全字符

https://blog.csdn.net/wzd2012/article/details/79077248

*******************************************************************

書寫URL時要使用US-ASCII字符集可以顯示的字符。

http://www.google.com

如果需要在URL中使用不屬於此字符集的字符，就要使用特殊的符號對該字符進行編碼。

如：最常使用的空格用%20來表示，例如：http://www.google.com/new%20123.html

除了那些無法顯示的字符外，還需要在URL中對那些保留(reserved)字符和不安全(unsafe)字符進行編碼。

所謂保留字符就是那些在URL中具有特定意義的字符。不安全字符是指那些在URL中沒有特殊含義，但在URL所在的上下文中可能具有特殊意義的字符。例如雙引號(“”)

部分保留字符和不安全字符及其URL編碼
字符	描述	用法	編碼
;	分號	保留	%3B
/	斜線	保留	%2F
?	問號	保留	%3F
:	冒號	保留	%3A
@	“at”符號	保留	%4O
=	等號	保留	%3D
&	“和”符號	保留	%26
<	小於號	不安全	%3C
>	大於號	不安全	%3E
"	雙引號	不安全	%22
#	井號	不安全	%23
%	百分號	不安全	%25
{	左大括號	不安全	%7B
}	右大括號	不安全	%7D
|	豎線	不安全	%7C
\	反斜線	不安全	%5C
^	加字號	不安全	%5E
~	波浪	不安全	%7E
[	左中括號	不安全	%5B
]	右中括號	不安全	%5D
`	反單引號	不安全	%60
	空格	不安全	%20

通常情況下，如果對某個字符能否在URL中使用有疑問，那么你應該始終使用該字符的編碼。除字母、數字和字符$-_.+!*'()外的其它所有字符都應該使用編碼。

 

URL編碼在ASCII表中的體現

如何編碼？

眾所周知，字符是可由八位字節數（octet）來表示的，八位字節數可用十六進制來表示它的值。如字符“<”的八位字節數十六進制值是3C。在URL中，字符的編碼方式為：“%”加上字符的兩個十六進制數值。舉幾個例子：

• “<”可以被編碼為%3C，空格“SP”可被編碼為“%20”
• “田”的GB2312編碼十六進制值是CC EF，這時“田”的URL編碼為%CC%EF
• “囧”的GBK編碼十六進制值是87 E5，這時“囧”的URL編碼為%87%E5
• “田”的UTF-8編碼十六進制值是E7 94 B0，這時“田”的URL編碼為%E7%94%B0

URL中包含漢字時的更多話題

RFC1738沒有規定漢字的編碼方式，而是讓瀏覽器自己去決定，因此造成了URL漢字編碼的不統一。經過研究，對於URL中的“查詢字符串”和“路徑”中包含漢字，不同瀏覽器有不同的處理。

1. 查詢字符串中包含漢字

在網址輸入：http://www.baidu.com/s?wd=田囧 ，敲擊回車，使用Fiddler觀察瀏覽器發出的請求（以IE8和Firefox為例）：

查詢字符串中含有中文

IE8將漢字作為GBK編碼，直接發往服務器（這其實是不符合RFC規范的）；Firefox則多了一次加%的操作。Windows操作系統是GBK編碼。得到結論，地址欄直接訪問URL，漢字作為查詢字符串(Query string)時，IE和Firefox會使用系統編碼發至服務器端，Firefox會按規矩編碼。

注意1：不要用Google進行測試，Google的搜索URL（類似：http://www.google.com/#hl=en&source=hp&q=田囧 ），搜索關鍵詞那里不是查詢字符串，因為前面有個#……我開始沒注意到，被搞迷茫了很久……

注意2：這只是對URL直接訪問的規律。如果頁面時從鏈接點擊打開的，例如從A頁面含中文的鏈接打開了B頁面，那么瀏覽器對中文的編碼取決於A頁面的編碼。

2. URL路徑中包含漢字

在網址直接輸入：http://www.hudong.com/wiki/田囧 ，敲擊回車，觀察請求

路徑中含有中文

IE8和Firefox都把漢字作為UTF8，按規范進行了URL編碼，還好。