URL 编码

2016年8月10日

HTTP 请求参数，必须使用请求参数名称与请求参数值，中间以等号（=）表示成对关系，现在问题来了，如果请求参数值本身包括=符号怎么办？又或许你想发送的请求 参数值是「http://openhome.cc」这个值呢？假设是GET请求，你不能直接这么在网址列上键入：

  • http://openhome.cc/addBookmar.do?url=http://openhome.cc

在URI的规范中定义了一些保留字符（Reserved character），像是「:」、「/」、「?」、「&」、「=」、「@」、「%」等字符，在URI中都有它的作用，如果你要在请求参数上表达URI中的保留字符，必须在%字符之后以十六进制数值表示方式，来表示该字符的八个位数值。

例如，「:」字符真正储存时的八个位为00111010，用十六进制数值来表示则为3A，所以必须使用「%3A」来表示「:」，「/」字符储存时的八个 位为00101111，用十六进制表示则为2F，所以必须使用「%2F」来表示「/」字符，所以想发送的请求参数值是「http: //openhome.cc」的话，则必须使用以下格式：

  • http://openhome.cc/addBookmar.do?url=http%3A%2F%2Fopenhome.cc

这是URI规范中的百分比编码（Percent-Encoding），也就是俗称的URI编码或URL编码。如果你想得知，某个字符的URL编码为何，在Java中可以使用java.net.URLEncoder类别的静态encode()方法来为我们作这个编码的动作（相对地，要译码则是使用java.net.URLDecoder的静态decode()方法）。例如：

String text = URLEncoder.encode("http://openhome.cc ", "ISO-8859-1");

知道这些有什么用？例如，你想给某人一段URL，让他可以直接点选就可以连到你想要让他看到的网页，你贴给他的URL在请求参数部份就要注意URL编码。

不过在URI之前，HTTP在GET、POST时也对保留字作了规范，这与URI规范的保留字有所差别，其中一个差别就是在URI规范中，空格符是编码为%20，而在HTTP规范中空白是编码为「+」，java.net.URLEncoder类别的静态方法encode()产生的字符串，空格符就是编码为「+」。

另一个差别就是，URI规范的URL编码，针对的是字符UTF-8编码的八个位数值，如果请求参数都是ASCII字符，那没什么问题，因为在UTF-8编码在ASCII字符的编码部份是兼容的，也就是使用一个字节，编码方式就如先前所述。
但在非ASCII字符方面，例如中文，在UTF-8的编码下，会使用三个字节来表示。例如「林」这个字在UTF-8编码下的三个字节，对应至十六进制 数值表示就是E6、9E、97，所以在URI规范下，请求参数中要包括「林」这个中文，表示方式就是「%E6%9E%97」。例如：

  • http://openhome.cc/addBookmar.do?lastName=%E6%9E%97

OK！有些人会直接打开浏览器键入以下的内容，告诉我：「URL也可以直接打中文啊！」

不过你可以将网址列复制，贴到纯文本档案中，你就会看到URI编码的结果，这其实是现在的浏览器很聪明，会自动将上述的URI编码显示为中文。无论如何，在URI规范上若如上发送请求参数，伺服端处理请求参数时，必须使用UTF-8编码来取得正确的「林」字符。

然而在HTTP规范下的URL编码，并不限使用UTF-8，例如在一个BIG5网页中，若窗体若使用GET发送「林」这个中文字，则网址列会出现：

  • http://openhome.cc/addBookmar.do?lastName=%AA%4C

这是因为「林」这个中文字的BIG5编码为两个字节，以十六进制表示的话，则分别为「AA」、「4C」，如果你透过窗体发送，由于网页是BIG5编码， 则浏览器会自动将「林」编码为「%AA%4C」，伺服端处理请求参数时，就必须指定BIG5编码，以取得正确的「林」汉字字符。

若使用java.net.URLEncoder类别的静态encode()方法来为我们作这个编码的动作，则可以如下得到「%AA%4C」的结果：

  • String text = URLEncoder.encode("林 ", "BIG5");

同理可推，如果网页是UTF-8编码，而你透过窗体发送，则浏览器会自动将「林」编码为「%E6%9E%97」。若使用java.net.URLEncoder类别的静态encode()方法来为我们作这个编码的动作，则可如下得到「%E6%9E%97」的结果：

String text = URLEncoder.encode("林", "UTF-8");
这些是对于URL编码的必要认识，当你发送窗体、使用Tomcat等容器或是Ajax等时，都要有这个基本认识，才能进一步处理所遇到的乱码问题。

本文来源：openhome.cc


如果给你带来帮助，欢迎微信或支付宝扫一扫，赞一下。