加载中…URLEncode编码详解：百分号编码
(2012-04-10 17:07:40)
标签：
百分号编码urlencode杂谈 |
分类： 技术荟萃 |
百分号编码(Percent-encoding), 也称作URL编码(URL encoding), 是特定上下文的统一资源定位符 (URI)的编码机制. 实际上也适用于统一资源标志符(URI)的编码. 也用于为"application/x-www-form-urlencoded" MIME准备数据, 因为它用于通过HTTP的请求操作(request)提交HTML表单数据.
URI的百分号编码
URI的字符类型
URI所允许的字符分作保留与未保留. 保留字符是那些具有特殊含义的字符. 例如, 斜线字符用于URL (或者更一般的, URI)不同部分的分界符. 未保留字符没有这些特殊含义. 百分号编码把保留字符表示为特殊字符序列. 上述情形随URI与URI的不同版本规格会有轻微的变化.
! |
* |
' |
( |
) |
; |
: |
@ |
& |
= |
+ |
$ |
, |
/ |
? |
# |
[ |
] |
A |
B |
C |
D |
E |
F |
G |
H |
I |
J |
K |
L |
M |
N |
O |
P |
Q |
R |
S |
T |
U |
V |
W |
X |
Y |
Z |
|
a |
b |
c |
d |
e |
f |
g |
h |
i |
j |
k |
l |
m |
n |
o |
p |
q |
r |
s |
t |
u |
v |
w |
x |
y |
z |
|
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
- |
_ |
. |
~ |
|||||||||||||
URI中的其它字符必须用百分号编码.
保留字符的百分号编码
如果一个保留字符在特定上下文中具有特殊含义(称作"reserved purpose") ,
且URI中必须使用该字符用于其它目的, 那么该字符必须百分号编码.
百分号编码一个保留字符，首先需要把该字符的ASCII的值表示为两个16进制的数字，然后在其前面放置转义字符("%")，置入URI中的相应位置.
(对于非ASCII字符, 需要转换为UTF-8字节序,
然后每个字节按照上述方式表示.)
例如，"/", 如果用作URI的路径成份的分界符, 则是具有特殊含义的保留字符.
如果该字符需要出现在URI一个路径成分的内部,
则三字符序列"/"或"/"就用于代替原本的"/"出现在该URI路径成分的内部.
! |
# |
$ |
& |
' |
( |
) |
* |
+ |
, |
/ |
: |
; |
= |
? |
@ |
[ |
] |
% 21 |
% 23 |
% 24 |
% 26 |
% 27 |
% 28 |
% 29 |
% 2A |
% 2B |
% 2C |
% 2F |
% 3A |
% 3B |
% 3D |
% 3F |
% 40 |
% 5B |
% 5D |
在特定上下文中没有特殊含义的保留字符也可以被百分号编码，在语义上与不百分号编码的该字符没有差别.
在URI的"查询"成分(?字符后的部分)中,
例如"/"仍然是保留字符但是没有特殊含义，除非一个特定的URI有其它规定.
该/字符在没有特殊含义时不需要百分号编码.
如果保留字符具有特殊含义，那么该保留字符用百分号编码的URI与该保留字符仅用其自身表示的URI具有不同的语义。
百分号编码未保留字符
未保留字符不需要百分号编码.
两个URI的差别如果仅是未保留字符是用百分号编码还是用字符自身表示，那么这两个URI具有等价的语义.
但URI处理器实际上并不总是把二者视作等价. 例如,
URI的消费者不应该把"A"与"A",
"~"与"~"视作不同, 但是某些URI的消费者就是这么做了.
为了最大的互操作性, URI的制造者不应该把未保留字符百分号编码.
对百分号字符的百分号编码
由于百分号字符("%")表示百分号编码字节流的存在, 因此百分号字符应该被编码为3个字节的序列："%"，用于URI内部.
任意数据的百分号编码
大多数URI涉及表示任意数据, 例如IP地址或文件系统路径作为URI的成分.
二进数据
1994年发布的RFC
1738规定[1]，
URI中的二进制数据应该表示为8位元组的序列，然后对每个8位元组按照上述方式百分号编码.
例如，字节值0F (十六进制)应表示为"",
字节值41(十六进制)应表示为"A"或"A".
优先使用未保留字符来表示这些字节值，因为这使得URL更短.
字符数据
二进数据的百分号编码过程已经被外推到字符数据，甚至到不适合或未被完全规范的地步. 在WWW初创阶段，仅仅处理ASCII字符是否编码问题，还没有什么问题。但随后发展到对非ASCII字符如何在URI中编码，缺少标准规范的情况下导致了歧义性的解释URI的错误。
例如， 基于RFC 1738与2396的协议规定，字符数据先要根据某种字符编码转换为字节流，然后再表示为URI。如果URI不提供是何种字符编码的提示信息，那么这个URI难以可靠的解析。
当前标准
2005年1月发布的RFC 3986，强制所有新的URI必须对未保留字符不加以百分号编码；其它字符要先转换为UTF-8字节序列, 然后对其字节值使用百分号编码。此前的URI不受此标准的影响。
非标准的实现
T有一些不符合标准的把Unicode字符在URI中表示为: %uxxxx,
其中xxxx是用4个十六进制数字表示的Unicode的码位值.
任何RFC都没有这样的字符表示方法，并且已经被W3C拒绝.
第三版的ECMA-262仍然包含函数escape(string)使用这种语法,
但也有函数encodeURI(uri)转换字符到UTF-8字节序列并用百分号编码每个字节.
application/x-www-form-urlencoded类型
当HTML表单中的数据被提交时，表单的域名与值被编码并通过HTTP的GET或者POST方法甚至更古远的email[2]把请求发送给服务器。这里的编码方法采用了一个非常早期的通用的URI百分号编码方法，并且有很多小的修改如新行规范化以及把空格符的编码"
"替换为"+" . 按这套方法编码的数据的MIME类型是application/x-www-form-urlencoded,
当前仍用于（虽然非常过时了）HTML与XForms规范中. 此外，CGI规范包括了web服务器如何解码这类数据、利用这类数据的内容.
如果发送的是HTTP GET请求, application/x-www-form-urlencoded数据包含在所请求URI的查询成分中. 如果发送的是HTTP POST请求或通过email, 数据被放置在消息体中，媒体类型的名字被包含在消息的Content-Type头内部.
参见
参考文献
- ^ RFC 1738 §2.2; RFC 2396 §2.4; RFC 3986 §1.2.1, 2.1, 2.5
- ^ User-agent support for email based HTML form submission, using a 'mailto' URL as the form action, was proposed in RFC 1867 section 5.6, during the HTML 3.2 era. Various web browsers implemented it by invoking a separate email program or using their own rudimentary SMTP capabilities. Although sometimes unreliable, it was briefly popular as a simple way to transmit form data without involving a web server or CGI scripts.
喜欢
0
赠金笔