为什么python在urlencode空格的时候会被编码成“20”而不是“+”？

1、简介

空格目前有两种不同的编码方式，一种是在HTML4中定义的，而另一种是在RFC-3986中定义的。

1.1 HTML4编码方式

HTML4的application/x-www-form-urlencoded一节对空格的编码定义如下：

Control names and values are escaped. Space characters are replaced by  +', and then reserved characters are escaped as described in [RFC1738], section 2.2: Non-alphanumeric characters are replaced by %HH', a percent sign and two hexadecimal digits representing the ASCII code of the character. Line breaks are represented as "CR LF" pairs (i.e., `%0D%0A').
The control names/values are listed in the order they appear in the document. The name is separated from the value by  =' and name/value pairs are separated from each other by &'.

按照HTML4规范，空格应该被编码成加号"+"，而如果字符本身就是加号"+"，则应该被编码成%2B。

1.2 RFC-3986编码方式

RFC-3986中采用统一的编码方式，字符的编码格式为：%HH(H为十六进制字符)， 并没有对空格做特殊处理。按照RFC-3986规范，空格被编码成%20，而加号"+"被编码成%2B。

1.3 导致的问题

从上面可以看出，空格在两种规范下有不同的编码方式，也因此导致我们在开发时会遇到意想不到的错误。例如用户明明提交的是"你 好"，写入数据库之后却变成了"你+好"，往往这种错误让人摸不着头脑，其实这就是由于空格的编码错误导致的。

2. 编码建议

其实避免上面错误的方法很简单，就是在开发中我们要统一客户端和服务端的编码方式，而不能两者混用。建议客户端和服务端同时使用RFC-3986编码方式，将请求参数全部编码成%HH格式。当然为了保证正确的编码解码，统一的字符集也不可缺少，最好都使用UTF-8。

3. 编码示例

如果客户端提交的查询字符串是"开源+中国 博客", 则HTML4采用UTF-8编码后结果为：
%E5%BC%80%E6%BA%90%2B%E4%B8%AD%E5%9B%BD+%E5%8D%9A%E5%AE%A2
注意，加号被直接编码成%2B，而空格则被编码成了加号"+"。

而RFC-3986采用UTF-8编码后结果为：
%E5%BC%80%E6%BA%90%2B%E4%B8%AD%E5%9B%BD%20%E5%8D%9A%E5%AE%A2
加号被直接编码成%2B，空格也被直接编码成%20。

4. Python3中的URL编码

同样的在Python3中也有html4规范的url编码方法quote_plus

import urllib.parse
query = 'https://www.baidu.com/test+ test'
urllib.parse.quote_plus(query)
>>> 'https%3A%2F%2Fwww.baidu.com%2Ftest%2B+test'
enquery = urllib.parse.quote_plus(query)
urllib.parse.unquote_plus(enquery)
>>> 'https://www.baidu.com/test+ test'

Python

Copy

RFC-3986的方法为quote

import urllib.parse
query = 'https://www.baidu.com/test+ test'
urllib.parse.quote(query)
>>> https%3A//www.baidu.com/test%2B%20test'
enquery = urllib.parse.quote(query)
urllib.parse.unquote(enquery)
>>> 'https://www.baidu.com/test+ test'