HTTP URL编码

URL 就是平时我们所说的网址，一般来说 URL 只能使用英文字母、阿拉伯数字和一些英文的标点符号组成。其实在网络中 URL 并不是可以直接拿来使用的，因为 URL 中可以携带一些参数，出于安全考虑，需要使用 ASCII 字符集对其编码后才可以使用。

ASCII 的全称是 American Standard Code for Information Interchange，中文是“美国信息交换标准代码”的意思，它是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。ASCII 是最通用的信息交换标准，ASCII 第一次发表是在 1967 年，最后一次更新则是在 1986 年，到目前为止共定义了 128 个字符。

URL 的编码原则是，使用安全的字符（没有特殊用途或者特殊意义的字符）来表示那些不安全的字符。只有英文字母（a-zA-Z）、数字（0-9）、- _ . ~4 个特殊字符以及所有保留字符才可以不经编码直接使用。

在 URL 编码的过程中，会执行以下操作步骤：

• 将所有认为“不安全”的字符转换为“%xx”的形式，其中 xx 是字符的十六进制 ASCII 值；
• 将空格转换为加号或者“%20”，将加号转换为“%2B”。

下表中列出了要替换的字符、ASCII 码和替换后的字符。

要转换的符号	ASCII 码	转换后的字符	要转换的符号	ASCII 码	转换后的字符
退格	08	%08	O	79	O
tab 缩进	09	%09	P	80	P
换行	10	%0A	Q	81	Q
回车	13	%0D	R	82	R
空格	32	%20 或 +	S	83	S
!	33	%21	T	84	T
"	34	%22	U	85	U
#	35	%23	V	86	V
$	36	%24	W	87	W
%	37	%25	X	88	X
&	38	%26	Y	89	Y
'	39	%27	Z	90	Z
(	40	%28	[	91	%5B
)	41	%29	\	92	%5C
*	42	*	]	93	%5D
+	43	%2B	^	94	%5E
'	44	%2C	_	95	_
-	45	-	.	96	%60
.	46	.	a	97	a
/	47	%2F	b	98	b
0	48	0	c	99	c
1	49	1	d	100	d
2	50	2	e	101	e
3	51	3	f	102	f
4	52	4	g	103	g
5	53	5	h	104	h
6	54	6	i	105	i
7	55	7	j	106	j
8	56	8	k	107	k
9	57	9	l	108	l
:	58	%3A	m	109	m
;	59	%3B	n	110	n
<	60	%3C	o	111	0
=	61	%3D	p	112	p
>	62	%3E	q	113	q
?	63	%3F	r	114	r
@	64	%40	s	115	s
A	65	A	t	116	t
B	66	B	u	117	u
C	67	C	v	118	v
D	68	D	w	119	w
E	69	E	x	120	x
F	70	F	y	121	y
G	71	G	z	122	z
H	72	H	{	123	%7B
I	73	I	|	124	%7C
J	74	J	}	125	%7D
K	75	K	~	126	%7E
L	76	L	delete	127	%7F
M	77	M		>127	用“%xx”格式的编码表示，其中“xx”是字符的十六进制 ASCII 值
N	78	N

以请求“http://c.biancheng.net/HTTP URL”这一 URL 为例，因为 URL 中包含一个空格，所以在请求时会把这个空格转换为“%20”，具体的 HTTP 请求如下所示：

GET /HTTP%20URL HTTP/1.1
Host: c.biancheng.net
...

前面主要介绍的主要是纯英文的 URL，那如果 URL 中包含中文的话该怎么办呢？由于 ASCII 字符集中并不包含中文的编码，所以客户端会将 URL 里面的中文进行 UTF-8 编码，例如“中”字的 UTF-8 编码为“E4 B8 AD”，那么经过客户端转码后“中”字会被转换为“%E4%B8%AD”。以访问“http://c.biancheng.net/?name=C语言中文网”这一 URL 为例，HTTP 请求如下所示：

GET /?name=C%E8%AF%AD%E8%A8%80%E4%B8%AD%E6%96%87%E7%BD%91 HTTP/1.1
Host: c.biancheng.net
Connection: keep-alive
Pragma: no-cache
Cache-Control: no-cache
Upgrade-Insecure-Requests: 1

通过上面的 HTTP 请求可以看出，客户端直接将 URL 中的“C语言中文网”转换成了“C%E8%AF%AD%E8%A8%80%E4%B8%AD%E6%96%87%E7%BD%91”。