URL中的保留和不安全字符

书写URL时要使用US-ASCII字符集可以显示的字符。

http://www.google.com

如果需要在URL中使用不属于此字符集的字符，就要使用特殊的符号对该字符进行编码。

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

除了那些无法显示的字符外，还需要在URL中对那些保留(reserved)字符和不安全(unsafe)字符进行编码。

所谓保留字符就是那些在URL中具有特定意义的字符。不安全字符是指那些在URL中没有特殊含义，但在URL所在的上下文中可能具有特殊意义的字符。例如双引号(“”)

 

部分保留字符和不安全字符及其URL编码
字符	描述	用法	编码
;	分号	保留	%3B
/	斜线	保留	%2F
?	问号	保留	%3F
:	冒号	保留	%3A
@	“at”符号	保留	%4O
=	等号	保留	%3D
&	“和”符号	保留	%26
<	小于号	不安全	%3C
>	大于号	不安全	%3E
"	双引号	不安全	%22
#	井号	不安全	%23
%	百分号	不安全	%25
{	左大括号	不安全	%7B
}	右大括号	不安全	%7D
|	竖线	不安全	%7C
\	反斜线	不安全	%5C
^	加字号	不安全	%5E
~	波浪	不安全	%7E
[	左中括号	不安全	%5B
]	右中括号	不安全	%5D
`	反单引号	不安全	%60
	空格	不安全	%20

 

通常情况下，如果对某个字符能否在URL中使用有疑问，那么你应该始终使用该字符的编码。除字母、数字和字符$-_.+!*'()外的其它所有字符都应该使用编码。

URL编码在ASCII表中的体现

如何编码？

众所周知，字符是可由八位字节数（octet）来表示的，八位字节数可用十六进制来表示它的值。如字符“<”的八位字节数十六进制值是3C。在URL中，字符的编码方式为：“%”加上字符的两个十六进制数值。举几个例子：

• “<”可以被编码为%3C，空格“SP”可被编码为“%20”
• “田”的GB2312编码十六进制值是CC EF，这时“田”的URL编码为%CC%EF
• “囧”的GBK编码十六进制值是87 E5，这时“囧”的URL编码为%87%E5
• “田”的UTF-8编码十六进制值是E7 94 B0，这时“田”的URL编码为%E7%94%B0

URL中包含汉字时的更多话题

RFC1738没有规定汉字的编码方式，而是让浏览器自己去决定，因此造成了URL汉字编码的不统一。经过研究，对于URL中的“查询字符串”和“路径”中包含汉字，不同浏览器有不同的处理。

1. 查询字符串中包含汉字

在网址输入：http://www.baidu.com/s?wd=田囧 ，敲击回车，使用Fiddler观察浏览器发出的请求（以IE8和Firefox为例）：

查询字符串中含有中文

IE8将汉字作为GBK编码，直接发往服务器（这其实是不符合RFC规范的）；Firefox则多了一次加%的操作。Windows操作系统是GBK编码。得到结论，地址栏直接访问URL，汉字作为查询字符串(Query string)时，IE和Firefox会使用系统编码发至服务器端，Firefox会按规矩编码。

注意1：不要用Google进行测试，Google的搜索URL（类似：http://www.google.com/#hl=en&source=hp&q=田囧 ），搜索关键词那里不是查询字符串，因为前面有个#……我开始没注意到，被搞迷茫了很久……

注意2：这只是对URL直接访问的规律。如果页面时从链接点击打开的，例如从A页面含中文的链接打开了B页面，那么浏览器对中文的编码取决于A页面的编码。

2. URL路径中包含汉字

在网址直接输入：http://www.hudong.com/wiki/田囧 ，敲击回车，观察请求

路径中含有中文

IE8和Firefox都把汉字作为UTF8，按规范进行了URL编码，还好。